基于光电混合深度神经网络的水下涡旋光通信抗湍流方法

本发明公开了一种基于光电混合深度神经网络的水下涡旋光通信抗湍流方法，通过衍射深度神经网络和卷积神经网络融合，在前端利用衍射深度神经网络进行全光学的信息压缩，并将处理后的信息传输到后端的卷积神经网络，通过训练完成模型任务，输出预测的Zernike多项式的系数，实现对海洋湍流的预测和补偿，提高涡旋光束的模式纯度。本发明利用前端的衍射深度神经网络有效改善后端的卷积神经网络处理海量信息困难的问题，光电混合深度神经网络模型集成性强，运算速度快，光场信号处理准确，节约了利用机器学习技术实现抗湍流的功率开销，且操作简单，容易实现，在涡旋光束水下通信等方面具有广阔的应用前景。