PhyOAM-Net：一种基于物理先验和数据驱动的解调方法，用于大气湍流条件下的光变调制（OAM）移键通信

《Optics and Lasers in Engineering》：PhyOAM-Net: Physical prior embedded data-driven demodulation for OAM shift keying under atmospheric turbulence

大气湍流环境下基于物理嵌入网络的OAM-SK信号解调方法研究，提出两阶段架构PE-UNet和ResNet结合的PhyOAM-Net模型，有效克服传统数据驱动方法在长距离高容量系统中的数据依赖性和泛化能力不足问题。

　　

高建明|李阳军|徐润初|程立凯|张雷红|张大为

上海科技大学光电与计算机工程学院，中国上海200093

摘要

轨道角动量（OAM）作为一种新的复用维度，使得自由空间光通信（FSO）系统能够实现高容量传输。然而，严重的大气湍流（AT）不可避免地会降低OAM移键（OAM-SK）系统的解调性能。本文提出了一种物理嵌入的数据驱动模型PhyOAM-Net，用于在AT干扰下解调24比特/符号的OAM-SK信号。该模型采用两级架构：首先，物理嵌入的U-Net（PE-UNet）恢复被AT扭曲的光强度图像，然后通过残差神经网络（ResNet）进行OAM模式识别。实验结果表明，在一个1000米长的信道中，当AT强度在$C{n}^2$$1\times {10}^{?16}～1\times {10}^{?12}m?2/3$随机波动的情况下，PhyOAM-Net在稀疏样本场景下的识别精度显著优于现有模型，并且在强AT条件下仍保持稳健性。它为长距离、高容量的FSO系统中抗湍流解调提供了一个有前景的解决方案。

引言

随着全球数据流量的急剧增加，对超大规模和高速率通信技术的需求日益迫切。传统的波分复用（WDM）、时分复用（TDM）和偏振分复用（PDM）等技术已逐渐接近其物理极限[1]。作为全新的物理维度，携带轨道角动量（OAM）的涡旋光束（VBs）为光通信技术的发展开辟了新的途径[[2], [3], [4], [5]]。近年来，VBs已广泛应用于包括光学镊子、光通信和量子信息处理在内的多个前沿领域[6,7]。在这些应用中，轨道角动量移键（OAM-SK）由于其高光子效率和安全性而成为光通信领域的研究热点[[8], [9], [10], [11], [12]]。然而，由大气湍流（AT）引起的折射率随机波动会扭曲OAM光束的相位波前，破坏其模式正交性，并导致严重的模式间串扰，最终增加系统比特错误率（BER）。这成为限制OAM-SK自由空间光通信（OAM-SK-FSO）技术大规模发展的主要障碍[[13], [14], [15]]。

在物理层，自适应光学（AO）系统是减轻AT引起的波前扭曲的主要方法。通过实时相位校正，AO旨在恢复光束的原始螺旋相位结构，从而最小化模式间串扰并便于后续传统光系统的解调[16]。然而，AO系统常常受到硬件复杂性、高成本以及闭环反馈机制固有的延迟的限制。这些因素在动态和强湍流条件下严重限制了其效果。深度学习（DL）提供了一种有吸引力的替代方案，利用非线性映射能力绕过了对复杂硬件补偿的需求。最近，基于卷积神经网络（CNN）的架构已成功应用于识别AT扭曲的OAM模式；例如，Lin等人展示了他们在解调12比特/符号OAM-SK系统中的可行性[[17], [18], [19]]。然而，大多数现有方法依赖于“离散分类”策略，将每个叠加状态视为一个独立的类别。在高容量系统中，这种范式由于组合爆炸问题而变得不可行[20]。例如，在这里研究的24-OAM系统中，状态空间扩展到大约1677万种组合。实验上获取这样一个庞大空间的完整数据集是不可行的，因此需要转向多标签识别方案。然而，挑战不仅限于分类策略的选择。即使多标签DL模型也严重依赖于大量高质量的标记数据集。在实际工程场景中，数据采集往往成本高昂。此外，纯数据驱动模型本质上缺乏可解释性且泛化能力较弱；当遇到未见过的湍流条件时，其性能通常会显著下降。这些综合限制——即数据稀缺性和弱鲁棒性——对纯数据驱动方法的实际应用构成了重大障碍[[21], [22], [23]]。

本文提出了一种结合物理先验知识和数据驱动机制的混合模型。该模型将物理嵌入的U-Net（PE-UNet）（用作图像重建网络）与残差神经网络（ResNet）[24,25]结合，并将其应用于OAM-SK-FSO系统的解调。它显著减少了模型对训练数据量的依赖，并有效增强了其泛化能力。实验结果表明，在小规模数据训练下，PhyOAM-Net在1000米长距离传输中，对于随机变化的AT强度，其OAM模式识别精度明显高于传统的数据驱动方法。即使在强湍流条件下，它仍然表现出稳健的性能。整个解调过程可以在计算机上实现，无需额外的光学组件。这项工作为在AT信道传输下研究OAM-SK-FSO系统的解调提供了新的参考。

小节片段

拉盖尔-高斯（LG）光束

LG光束是描述在圆柱坐标系中的亥姆霍兹方程的高阶抛物线近似解。与作为基本模式的高斯光束不同，LG光束最显著的特点是它们的螺旋相位波前和携带明确定义的OAM的能力[2,26]。因此，LG光束是一种经典类型的VBs，经常用于光通信[[3], [4], [5]]。在无AT的真空环境中，LG光束的光场可以

数据集构建和训练参数设置

本研究中使用的AT信道和LG光束的参数总结在表1中。

为了验证提出的PhyOAM-Net在不同AT强度下的OAM模式识别性能，通过仿真构建了一个全面的数据集，随后进行模型训练和测试。该数据集包含了动态变化的湍流强度和多种OAM叠加模式。折射率结构常数$C{n}^2$在$1\times {10}^{?16}$

实验结果与讨论

为了验证所提出模型在实际光通信场景中的可行性和稳健性，我们在实验室环境中构建了一个模拟的FSO传输链路，如图5(a)所示。实验光源是一个波长为632.8纳米的激光器，产生一个基本模式的高斯光束。光束首先通过中性密度滤光片（ND）和线性偏振器（LP）来调整光强度和偏振状态，以确保它们

结论与未来工作

针对AT信道下24比特/符号OAM-SK-FSO系统的解调要求，本文提出了PhyOAM-Net模型。该模型将OAM模式识别任务分解为两个级联子任务：图像恢复和模式分类。通过将光传播的物理先验知识深度集成到网络设计和损失函数中，PhyOAM-Net有效地克服了数据驱动模型的局限性，例如对大量训练数据的依赖

资助

中国国家重点研发计划（项目编号2022YFF0607701）；国家自然科学基金（编号62275153、62005165）；上海人才发展基金（2021005）；由浙江大学极端光子学与仪器国家重点实验室开放基金资助。

CRediT作者贡献声明

高建明：写作 – 审稿与编辑，撰写 – 原始草案，方法论。李阳军：软件，方法论。徐润初：监督，调查，概念化。程立凯：验证，项目管理。张雷红：资金获取，概念化。张大为：资源，资金获取。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。