基于简单无参注意力卷积神经网络的涡旋光束模态识别

由于大气湍流的影响，涡旋光在大气中传播时会产生相位畸变，造成接收端模态检测困难，导致通信系统的可靠性降低。为提高涡旋光束模态检测准确率，提出了利用简单无参注意力卷积神经网络(S-ConvNeXt)检测拉盖尔-高斯光束模态的算法。结果发现：该网络可有效聚焦于关键亮斑特征。当光束分别经过较弱湍流、中等湍流、较强湍流和强湍流传输2 km后，本征态检测准确率分别为100%、98.8%、96.4%和89.7%,叠加态检测准确率分别为100%、99.8%、98.8%和96.5%。在强湍流下，S-ConvNeXt网络本征态检测准确率比ResNet50、ShuffleNetV2、ConvNeXt网络分别提高5.7%、3%、1.2%,叠加态检测准确率分别提高5.7%、4%、0.9%。S-ConvNeXt网络能够有效提高模态检测准确率，尤其在强湍流条件下表现更好。