基于深度学习的复合贝塞尔高斯光束大气湍流效应补偿

相位失真是实现涡旋光束轨道角动量复用技术实际应用的主要挑战之一。本文提出了一种基于深度学习的复合贝塞尔高斯涡旋光束大气湍流效应补偿方法,以提高模态分离与检测准确度。设计的网络通过学习不同轨道角动量下畸变光束强度分布与湍流相位之间的映射关系,具备了适应未知湍流环境的泛化能力,可以有效地预测等效湍流相位屏。仿真结果表明,复合贝塞尔高斯光束在不同湍流强度下传输1000 m并经过相位补偿后,光强相关系数可提高至0.97以上;在强湍流下传输1500 m并经相位补偿后,拓扑荷数为10的模式纯度从2.43%提高至64.07%。该方法对畸变光束具有更强的特征提取能力,在快速准确预测等效湍流相位屏方面具有良好的泛化能力,有助于提高未来轨道角动量复用技术的可靠性。