买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴工学院

摘要：本发明公开了一种基于OAM的信息编解码方法，包括进行OAM编码，不同OAM模式光强分布与编码相对应；生成OAM光束，根据模式编码方式将相位掩码加载到系统加载模块SLM并转化为不同OAM光束；将生成OAM光束引入不同气流强度大气湍流中，获得大气湍流随机畸变相位；通过自适应校正系统对大气湍流随机畸变相位进行校正；基于CNN设计卷积神经网络对校正后的OAM光束图像进行识别。本发明主要利用OAM模式的单模式和叠加模式的方法，增强了在识别光强图像时的抗干扰能力；通过使用相位补偿和卷积神经网络CNN相结合的解码或模式识别方法，提高解码的准确率。

主权项：1.一种基于OAM的信息编解码方法，其特征在于，包括如下步骤：步骤1、进行OAM编码，不同OAM模式光强分布与编码相对应；OAM编码具体为选取径向指数p＝1，建立拓扑荷数集合l＝{-7,-3,1,5}；然后利用组合方式分为5、1、-3、-7、1，5、-3，5、-7，5、-3，1、-7，1、-7，3、-3，1，5、-7，1，5、-7，-3，5、-7，-3，1、-7，-3，1，5和基模高斯光束共16种OAM模式；将每种OAM模式的光强分布采用四位二进制数对应编码；步骤2、生成OAM光束，根据步骤1中的OAM编码将一系列相位掩码加载到系统加载模块SLM并转化为不同OAM光束；步骤3、将生成OAM光束引入不同气流强度大气湍流中，获得大气湍流随机畸变相位；步骤4、通过自适应校正系统对大气湍流随机畸变相位进行校正；步骤5、基于CNN设计卷积神经网络对校正后的OAM光束图像进行识别；所述CNN的特征检测层通过对数据的训练进行的权值参数的更新从而对图形进行识别，权值参数W的更新表示为：α表示学习率，J表示网络损耗函数；所述CNN的模型的层级包括将光强图像转化为224×224像素图像的输入层，第2层、第4层、第6层和第8层分别是由6个、16个、32个和64个特征图组成的卷积层，它们都是由3×3大小的卷积核来提取特征的；第3层、第5层、第7层和9层分别是由6个、16个、32个和64个2×2的最大池化层组成的，第10层为全连接层，第11层为输出层，其中激活函数为ReLU函数，其表达式为fx＝max0,x。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于OAM的信息编解码方法