基于机器学习检测相位畸变后的涡旋光束轨道角动量

针对涡旋光受大气湍流而产生的相位畸变问题,设计了卷积神经网络检测涡旋光束轨道角动量态。将相位畸变的拉盖尔高斯涡旋光光强图像作为样本数据输入,网络利用输入的数据集进行自主学习,经过多次迭代能够精确检测出光束高阶轨道角动量信息。仿真结果表明:在大气湍流强度不确定的情况下,模型对轨道角动量态范围为1~40、1~100、1~160的涡旋光束检测准确率分别为94%、90%、86%;在不同传输距离、不同径向指数、不同基模束腰半径以及不同波长下轨道角动量态范围为1~100的涡旋光束的检测准确率均达到78%以上,且具有很好的鲁棒性。该方法检测精度高、范围广、移植性强,可为涡旋光束轨道角动量态的检测与识别提供一种新思路。