基于物理信息神经网络算子的OAM复用光无线通信传播损伤补偿

《IEEE Access》：Physics-Informed Neural Operator-Based Joint Compensation of Turbulence and Nonlinearity in OAM-Multiplexed Optical Communication

　　轨道角动量（OAM）复用光无线通信（OWC）是一种高容量光传输的有前景的技术。然而，大气湍流和克尔诱导的非线性传播会畸变OAM波前，导致模式间串扰并降低通信性能。本文提出了一种物理信息神经网络算子（PINO）框架，用于补偿OAM复用OWC系统中的传播损伤。该框架将随机非线性近轴波动方程纳入学习过程，从而实现物理一致的光场重建。大气湍流采用基于von Kármán谱校正的改进Kolmogorov相位屏幕方法进行建模，而克尔非线性则通过强度相关的折射率模型表示。本文在不同湍流强度和最长26公里的传播距离范围内进行了全面的数值模拟。所提出的PINO方法从训练收敛性、误码率（BER）、信噪比（SNR）、星座质量、模式纯度、模式间串扰和吞吐量等方面进行了评估。结果表明，所提出的PINO方法始终优于所考虑的卷积神经网络和物理信息神经网络方法，在湍流和非线性传播条件下实现了更优的光场重建和通信性能。