全文阅读精要

这篇文章是关于“基于螺旋谱判决的水下涡旋光束OAM-SK通信仿真研究”的学术论文，主要探讨了在水下通信环境中，利用携带轨道角动量（OAM）的涡旋光束进行信息传输的可行性和性能分析。以下是文件的核心内容总结：

1. 研究背景与意义：

• 海洋通信需求：随着海洋资源开发和军事活动的增加，水下无线光通信因其大信道容量、大带宽、低时延和抗电磁干扰等优点，成为海洋通信的重要研究方向。

• OAM技术优势：涡旋光束携带的OAM具有正交性，不同模式值的涡旋光束能独立传输不干扰，可大幅提高通信系统容量。

2. 现有技术挑战：

• 光学检测方法局限：现有基于干涉、衍射、相位全息图等方法仅适用于自由空间，水下环境因水体吸收、散射及湍流影响导致光强图案畸变，不适用。

• 机器学习方案不足：基于机器学习的OAM-SK通信方案需大量数据训练，耗时长且依赖离线处理，影响实时性。

3. 螺旋谱判决方案提出：

• 方案原理：直接对接收端涡旋光束光场进行螺旋谱计算，识别模式值实现信息传输，无需数据训练，提高通信效率。

• 螺旋谱定义：反映涡旋光束不同模式值对应的相对能量分布，可体现湍流影响下的能量弥散和模式串扰程度。

4. 理论基础：

• 涡旋光束理论：以拉盖尔-高斯（LG）光束为例，介绍了涡旋光束的光场表达式及叠加态LG光束的形成。

• 螺旋谱理论：通过螺旋相位项对光场分解，计算各模式值的相对能量。

• 海洋湍流理论：基于Rytov理论，海洋湍流对光束的影响视为纯相位扰动，通过随机相位屏模拟。

5. 仿真实验设计：

• 系统构建：发射端将码元信息映射为不同模式值的LG光束传输，接收端计算螺旋谱识别模式值恢复信息。

• CNN对比方案：采用卷积神经网络（CNN）作为对比，通过深度学习识别LG光束模式值。

6. 仿真结果与分析：

• 可靠性分析：随着湍流强度增加，两种方案误码率均上升，但CNN方案因深度学习优化识别率，误码率较低。

• 有效性分析：螺旋谱判决方案处理时间短，通信速率高（2.14bits/s），而CNN方案虽识别准确但训练耗时（550.43s），影响整体通信速率（0.92bits/s）。

7. 结论与展望：

• 方案优势：螺旋谱判决方案虽可靠性略低，但显著提高了通信系统的有效性，适用于对实时性要求高的场景。

• 未来方向：可进一步研究提高螺旋谱判决方案可靠性的方法，或结合CNN等机器学习方法优化系统性能。