科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前实际情况下空间光通信系统中往往只能得到有限数量的带标签样本，导致大气湍流的影响下传统CNN对OAM模式识别率低，系统误码率较高。针对该情况，设计一个基于GAN的神经网络模型作为OAM模式分类器，将GAN与CNN相结合，引入条件信息监督生成过程并用最小二乘损失代替交叉熵损失。实验结果表明，该模型在湍流强、距离长的环境下识别性能明显优于BP-ANN、KNN以及CNN,2 000 m强湍流条件下识别率比CNN提高8.6%。以训练好的网络作为解调器仿真验证系统的误码率，在经过Turbo码和映射方案的改进后仅为6.89×10-4,证明获得了更好的通信质量。
- 单位
