买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于深度学习的涡旋光传输波前校正方法、介质及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115239552B 。

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210882648.0，技术领域涉及：G06T3/04；该发明授权基于深度学习的涡旋光传输波前校正方法、介质及设备是由屈檀;赵志明;张婧;张延;吴家骥;吴振森设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本基于深度学习的涡旋光传输波前校正方法、介质及设备在说明书摘要公布了：本发明公开了一种基于深度学习的涡旋光传输波前校正方法、介质及设备，属于光通信领域，包括步骤：S1，构建训练样本；S2，构建深度学习模型，输入训练样本至深度学习模型进行训练；所述深度学习模型包括生成对抗网络，基于生成对抗网络端对端的畸变补偿，跳过波前重构，直接训练畸变OAM光强图与目标OAM光强图之间的映射关系，把两种图像看成两种图像风格，将湍流畸变补偿转变为图像风格转换问题，根据训练后的深度学习模型得到畸变OAM光强图与对应目标OAM光强图的映射关系；S3，训练后深度学习模型直接输出补偿后的轨道角动量光强图。本发明能够在无需重构波前、节省光学硬件的情况下仍保证优秀的畸变补偿性能。

本发明授权基于深度学习的涡旋光传输波前校正方法、介质及设备在权利要求书中公布了：1.一种基于深度学习的涡旋光传输波前校正方法，其特征在于，包括以下步骤： S1，获取未经和经过湍流畸变的轨道角动量光强图，得到训练样本； S2，构建深度学习模型，输入训练样本至深度学习模型进行训练；所述深度学习模型包括生成对抗网络，基于生成对抗网络端对端的畸变补偿，跳过波前重构，直接训练畸变OAM光强图与目标OAM光强图之间的映射关系，把两种图像看成两种图像风格，将湍流畸变补偿转变为图像风格转换问题，根据训练后的深度学习模型得到畸变OAM光强图与对应目标OAM光强图的映射关系； S3，训练后深度学习模型直接输出补偿后的轨道角动量光强图，实现在无需波前重构，节省光学硬件的情况下仍能保证涡旋光传输波前校正畸变补偿性能； 在步骤S2中，当所述生成对抗网络为Pix2pix网络时，包括子步骤： 所述Pix2pix网络由包含16层网络的生成器和包含5层网络的判别器组成； 选择具有统一图像风格的OAM态集合，所述OAM态集合为{1，‑1}、{2，‑2}、{3，‑3}、{4，‑4}、{5，‑5}、{6，‑6}、{1，‑2}、{2，‑3}、{3，‑4}、{4，‑5}这10种OAM叠加态，将接收端捕获的畸变OAM光强图量化构成一个矩阵，作为所述Pix2pix网络的输入； 对应的补偿后的OAM光强图量化构成另一个矩阵作为Pix2pix网络的输出； 根据输入矩阵以及输出矩阵训练所述Pix2pix网络，得到畸变OAM光强图与对应目标OAM光强图的映射关系； 所述生成对抗网络为CycleGAN网络时，包括子步骤： 所述CycleGAN网络由包含16层网络的生成器和包含5层网络的判别器组成； 选择具有统一图像风格的OAM态集合，所述OAM态集合为{1，‑1}、{2，‑2}、{3，‑3}、{4，‑4}、{5，‑5}、{6，‑6}、{1，‑2}、{2，‑3}、{3，‑4}、{4，‑5}这10种OAM叠加态，将接收端捕获的畸变OAM光强图量化构成一个矩阵，作为所述CycleGAN网络的输入； 对应的补偿后的OAM光强图量化构成另一个矩阵作为所述CycleGAN网络的输出； 根据所述输入矩阵以及输出矩阵训练所述CycleGAN网络，得到畸变OAM光强图与对应目标OAM光强图的映射关系。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。