[1] Deep, complex, invertible networks for inversion of transmission effects in multimode optical fibres
Oisín Moran, Piergiorgio Caramazza, Daniele Faccio, Roderick Murray-Smith
University of Glasgow, University of Glasgow
https://papers.nips.cc/paper/7589-deep-complex-invertible-networks-for-inversion-of-transmission-effects-in-multimode-optical-fibres.pdf
这篇文章提出了一种基于复数域加权的深层网络,用于处理相干输入图像中的多模光纤畸变所带来的影响。首先利用相干光得到灰度图像的光纤响应集合,进而得到实验数据,只测量输出在长度为1m到10m之间,直径为105µm的多模光纤所对应的图像振幅。
作者们提出了一种复加权网络的酉正则化方法,该方法在光纤传输矩阵的稳健反演中能够取得挺好的效果,这与物理定律是相容的。酉约束有助于学习前向酉模型,然后解析反演该模型进而解决反演问题。该方法的效果通过融入空间光调制器诱导的相移知识很有可能得以进一步提升。
该方法的实验配置如下
反演流程如下
前向模型及反演模型的结构如下
几种情形下的模型效果对比如下