1 东南大学 移动通信全国重点实验室，南京 210096
2 网络通信与安全紫金山实验室，南京 211111
光纤通信与大容量高频无线通信深度融合是未来第六代移动通信（6G）的核心技术底座，对于构建“沉浸式通信、泛在连接、通信人工智能（AI）一体化”等6G典型场景具有重要意义。文章梳理了优化光纤无线融合传输系统架构和提升频谱效率的主流技术及其实现方案，对研发团队在这些方面取得的部分进展进行了总结。首先，面向新一代沉浸式通信的大容量需求，借助商用数字相干光模块（DCO），提出了一种“光纤－无线－光纤”一体融合传输系统新型架构，率先完成了光子太赫兹100/200/400 GbE实时无线传输通信实验，最高实现了2×240.558 Gbit/s的线路速率；其次，面向覆盖范围广和灵活部署的应用场景，将数字副载波复用（DSCM）技术引入光纤无线融合接入系统，文章设计并搭建出同时支持最多32路固定宽带接入和32路W波段毫米波无线接入的点对多点（P2MP）100 Gbit/s相干无源光网络（PON），能够灵活调整速率且便于后续迭代升级；最后，面向通信AI一体化需求，提出了一种基于似然感知的矢量量化（VQ）变分自编码器（VAE），基于AI技术对光纤无线融合通信系统进行端到端优化，在无需太赫兹功率放大器的情况下，成功演示了净速率为366.4 Gbit/s的双偏振（DP）2×2多输入多输出（MIMO）太赫兹信号6.5 m无线传输和20 km标准单模光纤（SSMF）传输。上述技术在未来6G典型场景中具有巨大的应用潜力，此外，文章还从大容量、长距离、集成化和智能化等方向对超100 Gbit/s光纤无线融合传输技术进行了展望。
光纤无线融合传输 数字副载波复用 无源光网络 端到端智能星座整形 integrated fiber-wireless transmission DSCM PON end-to-end intelligent constellation optimization 光通信研究
2024, 50(1): 23016001
1 西安工业大学光电工程学院，陕西 西安 710021
2 西安应用光学研究所，陕西 西安 710065
针对空间相机轻量化、小型化要求，采用一体式环形孔径透镜。由于基底单一和结构紧凑，系统存在色差和球差，引入衍射光学元件和偶次非球面校正像差，而单层衍射光学元件在宽波段存在衍射效率下降等问题，设计了一种端到端式光学-数字联合成像系统，对影响衍射效率主要级次的点扩散函数进行一致性优化，构建出空间不变的点扩散函数模型，为后续图像复原建立复原函数模型，实现退化图像的复原。最终光学-数字联合成像系统工作波段确定为0.45~1 μm，焦距为185 mm，视场为5°，F数为4，遮拦比为0.35，系统总长为67.8 mm。
光学设计 环形孔径 单层衍射光学元件 端到端设计 图像复原 激光与光电子学进展
2024, 61(4): 0411006
天津大学精密仪器与光电子工程学院光电信息技术教育部重点实验室，天津 300072
提出一种基于计算成像理论的端到端衍射元件设计方法，通过全局性优化方案将光学设计和图像复原作为整体，从而降低前端光学系统的成像质量要求，并利用图像复原算法去除残余像差以简化系统。所提设计方法涵盖光场传播、探测器去噪和图像后处理等关键环节的模型建立与联合优化。该设计方案可用于景深延展的轻薄型衍射元件的设计，且所适用的大景深的简单光学系统具有较高的成像质量。
成像系统 端到端 景深延展 图像复原 衍射元件
同济大学 物理科学与工程学院 精密光学工程技术研究所，先进微结构材料教育部重点实验室，上海市数字光学前沿科学研究基地，上海市全光谱高性能光学薄膜器件与应用专业技术服务平台，上海200092
计算成像是一种通过联合光学系统和图像处理来实现特定成像功能的新兴研究领域，长期以来，计算成像中的光学与算法联合都采取的是顺序设计模式，即光学系统与图像处理各自分开设计，但这样难以全面发挥二者协同的优势。近年来，随着深度学习技术的飞速发展，基于深度学习架构的光学系统与图像处理算法端到端协同设计方法开启了解决这一问题的大门。一方面，端到端协同设计通过全面探索整个解空间，可以实现光学与图像处理的自动最佳协同；另一方面，端到端协同设计更使得研制基于任务的最优成像系统成为可能。本文首先介绍了基于光学系统与图像处理端到端协同设计框架的进展，然后介绍了我们基于这一框架在平面透镜的宽谱成像、平面透镜的大视场成像、大景深成像、超分辨成像和快照式光谱成像方面的研究进展。
计算成像 端到端设计 基于任务的成像系统 computational imaging end-to-end design task domain imaging system 光学 精密工程
2022, 30(21): 2827
1 天津理工大学电气电子工程学院天津市复杂系统控制理论与应用重点实验室，天津 300384
2 天津农学院工程技术学院，天津 300392
为简化布局估计网络结构，提高输出特征利用率，提出一种基于改进轻量网络的实时布局估计方法。利用轻量级的编码解码网络，端对端直接获得室内场景的主要平面分割图，实现实时的布局估计。针对以往联合学习方法特征利用率不高的问题，引入简化的联合学习模块，使用输出分割图的梯度作为输出边缘，将边缘的损失直接整合到整个网络输出损失中，提高特征利用率并精简联合学习网络。针对数据集正负标签不平衡和布局类型分布不平衡问题，使用分割型语义迁移，使用在LSUN数据集上训练得到的语义分割网络参数初始化所提网络参数，提高网络训练的稳定性。在两个基准数据集上对所提方法的性能进行评估。实验结果表明，在LSUN数据集上所提方法的平均像素误差为7.35%，在Hedau上为8.32%。通过消融实验证明了分层监督、简易学习联合和语义迁移机制对提高准确率的有效性。最终实验表明，所提方法能够实时获得准确的室内场景布局估计。
编码解码网络 室内场景 布局估计 端对端 语义分割 激光与光电子学进展
2022, 59(18): 1810007
Author Affiliations
Abstract
State Key Laboratory of Information Photonics and Optical Communications, Beijing University of Posts and Telecommunications, Beijing 100876, China
In the integral imaging light field display, the introduction of a diffractive optical element (DOE) can solve the problem of limited depth of field of the traditional lens. However, the strong aberration of the DOE significantly reduces the final display quality. Thus, herein, an end-to-end joint optimization method for optimizing DOE and aberration correction is proposed. The DOE model is established using thickness as the variable, and a deep learning network is built to preprocess the composite image loaded on the display panel. The simulation results show that the peak signal to noise ratio value of the optimized image increases by 8 dB, which confirms that the end-to-end joint optimization method can effectively reduce the aberration problem.
integral imaging diffractive optical element end-to-end optimization deep learning network aberration correction Chinese Optics Letters
2022, 20(12): 121101
1 国防科技大学电子对抗学院，安徽 合肥 230037
2 红外与低温等离子体安徽省重点实验室，安徽 合肥 230037
3 中国人民解放军32256部队，广西 桂林 541000
合成孔径雷达（SAR）成像和可见光成像是遥感卫星的常用成像方式。由于两者在成像信息上具有高度互补性，SAR和可见光的图像数据融合已成为了遥感的一个重要研究领域。异源数据匹配算法的性能直接影响获取地面控制点的精度，匹配算法分为二阶段法和一阶段法，现有的二阶段法难以适应地形复杂的遥感图像，且在速度上无法满足实际的工程需求，而速度满足要求的一阶段法在精度上仍有所欠缺。为解决这个问题，提出了一个可端到端的高精度的基于残差伪孪生卷积互相关网络的异源遥感图像匹配算法。所提算法通过构建基于残差层的伪孪生网络，对提取的SAR和可见光图像的特征进行卷积互相关操作从而实现异源遥感图像匹配。实验结果表明，该算法在保持较高的速度下，较大提升了SAR与可见光图像的匹配精度，为深度学习方法在大规模异源遥感图像匹配任务中的工程应用奠定了基础。
遥感 合成孔径雷达 可见光 异源匹配 端到端 激光与光电子学进展
2022, 59(12): 1228002
贵州大学大数据与信息工程学院, 贵州 贵阳 550025
现如今用于立体匹配的深度学习算法都存在网络结构复杂、消耗大的问题。为解决此类问题,提出了一种参数量只有参考网络PSMNet一半的立体匹配端到端网络结构。所提结构在特征提取模块保留大致框架的同时,减少多余卷积层,并融合空间注意力机制和通道注意力机制来汇聚上下文信息;在代价计算模块,通过加大偏移步长减少视差计算输入的视差维度,使视差计算的参数量和消耗大幅度减少;在视差计算中,对匹配成本特征体的输出进行多视差预测;在L1损失函数的基础上加入交叉熵损失函数,这样可在降低消耗的同时保证了模型匹配精度。在KITTI数据集和SceneFlow数据集上对所提模型进行测试,实验结果表明:与基准方法相比,所提模型的参数量减少了58%,精度提升24%。
视觉光学 立体匹配 端到端网络 注意力机制 视差计算 激光与光电子学进展
2021, 58(24): 2433002
