基于模式/模群复用的多模光纤通信系统是目前光通信领域的研究热点。系统中存在多个模式/模群,如何准确识别它们是提升传输系统性能的关键问题之一。提出了一种基于深度学习的多模光纤模式与模群的智能识别模型,通过引入全卷积神经网络(CNN),对噪声影响情况下线偏振模式及其模群进行仿真和实验研究。首先,基于多平面光转换模式复用器件和普通OM2多模光纤,搭建10个模式(LP01、LP11a/b、LP21a/b、LP02、LP12a/b、LP31a/b)及其对应的3个模群的光场信息获取的仿真和实验平台,利用大量数据进行训练和验证。实验结果显示,模式/模群的总体识别率可达到100%。通过将获取的模群光场图片重构为低分辨率图片,研究低密度光电探测器阵列接收条件下,智能识别模型的识别性能。实验结果显示,采取4×4光探测器阵列接收光场信息时,能获得98.3%的识别效率。本研究表明提出的智能识别模型具有良好的光纤模式/模群智能识别能力,其在多模光纤通信系统性能提升与智能光性能监测方面具有一定的应用潜力。

随着5G通信时代的来临,大容量、高频段和多业务接入的移动通信网络建设面临诸多挑战。在5G网络中,由于5G信号的高频段特征,基站覆盖范围大大减小,需要布设的基站数量急剧增加,为了保证覆盖能力,并降低总体的成本和功耗,基站正在向小型化、密集化、无源化方向发展。而光纤信能共传技术为实现新一代分布式微基站提供了解决方案,此技术通过光纤将射频信号和能量光传输至基站,为基站供能的同时,利用天线完成无线宽带信号的发射。介绍了光纤信能共传技术近年来的研究进展,并通过分析典型方案的特点,阐述了光纤信能共传技术的发展趋势。

通过自模板法采用马来酸酐与丙烯酸接枝共聚得到改性聚丙烯酸碳酸盐前驱体, 模板结构呈交联网状稳固致密, 高温烧结制得5 V锂离子电池 LiNi0.5Mn1.5O4正极材料。经XRD、SEM、恒电流充放电和电化学循环伏安测试, 所得材料具有微纳米结构, 晶型规则, 粒径大小一致。工作平台为4.7 V, 在 0.5 C倍率下充放电循环测试, 首次放电容量132 mAh/g, 循环50次容量保持率为93%, 电化学性能优良。

分析了多通道扫描成像辐射计(AGRI)条带噪声的主要来源,建立了条带噪声的图像退化模型,提出了一种基于直方图匹配与各向异性全变分正则化相结合的去条带(HMATV)方法。该方法首先使用直方图匹配抑制探测器像元间的非均匀性响应,接着利用各向异性全变分正则化模型去除剩余的条带噪声。使用定性和定量指标对各方法的处理结果进行评价,结果显示:与其他现有前沿的去条带方法相比,所提方法不仅获得了更优异的条带噪声去除效果,还有效保护了原始图像的细节信息。

提出一种基于多个并行Sagnac环梳状滤波器实现波长编码的方法, 可用于孤子自频移全光模数转换的光学编码.仿真结果表明: 该方法在1 601 nm~1 707 nm孤子自频移波段成功实现了5 bits的光学编码, 最大微分线性误差和积分线性误差分别为0.088LSB和0.482LSB.与其他波长编码方式相比, 该方法结构简单、工作波长范围宽, 并且具有非常好的编码位数扩展性.

利用光学时间拉伸法对微波信号进行降频处理，提高了后端电子模数转换器的有效模拟带宽和有效采样速率.设计了一套对5 GHz微波信号十倍降频的光学时间拉伸模数转换系统.对色散导致的信号功率损耗特性以及调制引起的谐波失真进行了理论分析和数值仿真，结果表明：当系统带宽为5 GHz时，光学时间拉伸引入的信号噪声失真比不会劣化后续电子模数转换器的有效位数，该模数转换系统的有效模带宽可达8 GHz，有效采样率为200 GS/s.