申请/专利权人:长沙理工大学
申请日:2024-01-29
公开(公告)日:2024-04-30
公开(公告)号:CN117951416A
主分类号:G06F17/10
分类号:G06F17/10;G06V10/44;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明涉及光纤模式分解技术领域,公开了一种少模光纤模式分解方法、装置、设备及介质,包括:根据少模光纤结构参数计算本征模式,并随机生成模式权重和相对相位;将本征模式进行线性叠加模拟生成近场光场图像,并将随机生成的模式权重和相对相位处理为标签向量;利用近场光场图像和标签向量训练MoblieNetV3_Light神经网络模型;该模型包含深度可分离卷积网络;将待测少模光纤的近场光场图像输入至训练好的模型,预测出待测少模光纤的模式权重和相位信息。本发明的模型具有计算量小,网络模型小,速度快,准确率高的特点,可直接预测出少模光纤的模式权重和相位信息,无需昂贵的实验设备,能够在实时处理需求下进行模式分解。
主权项:1.一种少模光纤模式分解方法,其特征在于,所述方法包括:根据少模光纤结构参数计算本征模式,并随机生成模式权重和相对相位;将本征模式进行线性叠加模拟生成近场光场图像,并将随机生成的模式权重和相对相位处理为标签向量;利用模拟生成的所述近场光场图像和所述标签向量训练用于预测模式信息的MoblieNetV3_Light神经网络模型;所述MoblieNetV3_Light神经网络模型包含深度可分离卷积网络;将待测少模光纤的近场光场图像输入至训练好的所述MoblieNetV3_Light神经网络模型,预测出所述待测少模光纤的模式权重和相位信息。
全文数据:
权利要求:
百度查询: 长沙理工大学 少模光纤模式分解方法、装置、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。