这篇论文提出了一种基于卷积神经网络（CNN）的自由空间光通信（FSO）模式分集发射（MDT-FSO）技术，旨在提升FSO系统在强湍流条件下的抗干扰能力。

1. 研究背景：

o 问题：自由空间光通信（FSO）系统因其高数据传输容量和光束高方向性而备受关注。然而，大气湍流效应会导致轨道角动量（OAM）模式间的正交性退化，进而引发跨模态的功率耦合效应，降低FSO系统的信息保真度和传输可靠性。

o 难点：现有的大孔径接收和自适应光学（AO）技术虽然在一定程度上缓解了湍流影响，但在强湍流条件下仍存在局限性。大孔径接收技术未能解决相位波前畸变，而AO技术对波前校正精度和闭环响应速度要求极高，尤其在强湍流条件下，波前重构误差显著增加。

o 相关工作：模式分集技术（MD）通过调制发射光束为共轭叠加模式实现湍流预补偿，或依赖多通道模式解复用和信号组合技术消除湍流引起的模式串扰。然而，现有模式选择光子灯在湍流条件下存在模式相关损耗波动，且复杂的MD方案需实时监控各信道分支信噪比，系统实现复杂性较高。

2. 研究方法：

o 提出了一种基于CNN的MDT-FSO技术，利用CNN实时分析湍流导致的OAM模式功率分布，并动态优化发射信号。

o 系统结构包括一个波长为1550 nm的连续高斯探针光束，通过发射孔径发射进入大气信道。大气湍流引起光强和相位的随机波动，导致光功率的衰减以及OAM模式间的串扰。接收到的OAM光束强度图像被作为输入数据，馈入CNN模型进行处理。

o CNN模型通过卷积层、池化层提取特征，并由全连接层输出各阶OAM模式的功率分布。基于此检测结果，系统动态选择不同信号组合的MDT方案，生成携带目标OAM模式及其相邻模式的涡旋光束进行传输。

o 比较了选择性组合（SC）、等增益组合（EGC）和最大比值组合（MRC）三种信号组合方案。SC仅选择信噪比最高的分支作为输出信号，EGC对所有分支信号直接求和，MRC对各分支信号赋权后求和。

3. 实验设计与结果：

o 采用Matlab软件对OAM-FSO大气传输链路进行仿真，具体配置包括CPU为Intel Core i7-12700H，GPU为NVIDIA GeForce RTX 3050 Ti，CNN运行环境为Pytorch 1.8.0，编程语言为Python 3.8.6。FSO系统的仿真参数设置为大气湍流内尺度0.01 m，外尺度20 m，光束束腰半径3 cm，传输距离1 km。

o 训练CNN模型使用初始学习率为1e-2，动量为0.9的随机梯度下降（SGD）优化器，batch-size设定为64，epochs设定为30。实验结果表明，在强湍流条件下（D/r0=3），SC-MDT方案使FSO系统的平均接收功率提高了约4 dB，而MRC-MDT方案使平均接收功率提升了约5 dB。

o 在弱、中、强湍流强度条件下（对应D/r0=1、2、3），系统研究了基于CNN的不同MDT-FSO方案的性能优势。每种湍流条件下采集10000张光强分布图作为数据集，总计30000张图像，其中24000张用于训练集，3000张用于测试集，3000张用于验证集。

4. 总体结论：

o 基于CNN的MDT-FSO系统通过实时感知信道状态，灵活实现不同的信号组合策略，显著提升了FSO系统在强湍流条件下的传输性能。

o 实验结果显示，MRC-MDT方案在中强湍流下优势显著，且在不同湍流强度下均保持约3 dB的性能优势，为高速FSO提供了一种有效的发射分集解决方案。

这篇论文通过引入CNN技术，提出了一种创新的FSO模式分集发射技术，显著提升了系统在强湍流条件下的抗干扰能力，具有重要的实际应用价值。