[IEEE 2019年第18届国际光通信与网络会议(ICOCN) - 中国黄山(2019.8.5-2019.8.8)] 2019年第18届国际光通信与网络会议(ICOCN) - 通过深度学习抑制CCD垂直晕光对M2测定的影响

摘要： 电荷耦合器件（CCD）的垂直晕光现象通常出现在硅基相机中，这给近红外（NIR）激光M2因子的测定带来巨大挑战。据我们所知，本文首次提出一种基于深度学习技术的新方法来抑制CCD垂直晕光对M2测定的影响。以阶跃折射率少模光纤为例，利用大量包含晕光近场光束图案及其对应M2值的样本训练卷积神经网络（CNN），旨在建立从光束图案到M2参数的快速精准映射关系。训练后的CNN可用于分析CCD记录的晕光图案以测定M2值。仿真测试结果表明，本方案对所研究光纤光束的平均预测误差约为0.5%。在时间成本方面，训练后的CNN仅需约10毫秒（使用普通笔记本电脑）即可完成M2值测定，展现出卓越的实时性能。