• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

深度学习为非正交光复用带来了新的曙光。

Deep learning sheds new light on non-orthogonal optical multiplexing.

作者信息

Huang Zhengzhong, Cao Liangcai

机构信息

Department of Precision Instruments, Tsinghua University, Beijing, China.

出版信息

Light Sci Appl. 2024 May 6;13(1):105. doi: 10.1038/s41377-024-01460-y.

DOI:10.1038/s41377-024-01460-y
PMID:38710686
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11074265/
Abstract

A deep neural network for non-orthogonal input channel encoding is proposed to recover speckle images through a multimode fiber. This novel approach could shed new light on the non-orthogonal optical multiplexing over a scattering medium.

摘要

提出了一种用于非正交输入通道编码的深度神经网络，以通过多模光纤恢复散斑图像。这种新方法可能为散射介质上的非正交光复用带来新的启示。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7989/11074265/18883e2f4dbc/41377_2024_1460_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7989/11074265/18883e2f4dbc/41377_2024_1460_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7989/11074265/18883e2f4dbc/41377_2024_1460_Fig1_HTML.jpg

相似文献

1
Deep learning sheds new light on non-orthogonal optical multiplexing.深度学习为非正交光复用带来了新的曙光。
Light Sci Appl. 2024 May 6;13(1):105. doi: 10.1038/s41377-024-01460-y.
2
Non-orthogonal optical multiplexing empowered by deep learning.深度学习赋能的非正交光复用技术。
Nat Commun. 2024 Feb 21;15(1):1580. doi: 10.1038/s41467-024-45845-4.
3
Multimode optical fiber transmission with a deep learning network.基于深度学习网络的多模光纤传输
Light Sci Appl. 2018 Oct 3;7:69. doi: 10.1038/s41377-018-0074-1. eCollection 2018.
4
Mode multiplexing and holographic demultiplexing communication channels on a multimode fiber.多模光纤上的模式复用与全息解复用通信信道
Opt Lett. 1991 Mar 1;16(5):300-2. doi: 10.1364/ol.16.000300.
5
Deep learning-based object classification through multimode fiber via a CNN-architecture SpeckleNet.基于深度学习，通过多模光纤利用卷积神经网络架构的SpeckleNet进行目标分类。
Appl Opt. 2018 Oct 1;57(28):8258-8263. doi: 10.1364/AO.57.008258.
6
10Gbit/s Multimode Fiber Link using Power-Efficient Orthogonal-Frequency-Division Multiplexing.
Opt Express. 2005 Dec 12;13(25):10003-9. doi: 10.1364/opex.13.010003.
7
Speckle-correlation imaging through a kaleidoscopic multimode fiber.通过万花筒多模光纤的散斑相关成像。
Proc Natl Acad Sci U S A. 2023 Jun 27;120(26):e2221407120. doi: 10.1073/pnas.2221407120. Epub 2023 Jun 21.
8
Visual data detection through side-scattering in a multimode optical fiber.通过多模光纤中的侧向散射进行视觉数据检测。
Opt Lett. 2020 Dec 15;45(24):6724-6727. doi: 10.1364/OL.408552.
9
Flexible Data Rate Allocation Using Non-Orthogonal Multiple Access (NOMA) in a Mode Division Multiplexing (MDM) Optical Power Splitter for System-on-Chip Networks.用于片上网络的模式分割复用（MDM）光功率分配器中基于非正交多址接入（NOMA）的灵活数据速率分配
Sensors (Basel). 2023 Aug 18;23(16):7259. doi: 10.3390/s23167259.
10
Enhancement of the wavelength selectivity of a volume hologram by use of multimode optical fiber referencing.
Opt Lett. 1998 Aug 1;23(15):1224-5. doi: 10.1364/ol.23.001224.

本文引用的文献

1
Non-orthogonal optical multiplexing empowered by deep learning.深度学习赋能的非正交光复用技术。
Nat Commun. 2024 Feb 21;15(1):1580. doi: 10.1038/s41467-024-45845-4.
2
High-capacity free-space optical communications using wavelength- and mode-division-multiplexing in the mid-infrared region.在中红外区域使用波长和模式分复用的大容量自由空间光通信。
Nat Commun. 2022 Dec 10;13(1):7662. doi: 10.1038/s41467-022-35327-w.
3
1-Pbps orbital angular momentum fibre-optic transmission.1-Pbps轨道角动量光纤传输。
Light Sci Appl. 2022 Jul 5;11(1):202. doi: 10.1038/s41377-022-00889-3.
4
Deep learning in optical metrology: a review.光学计量中的深度学习：综述
Light Sci Appl. 2022 Feb 23;11(1):39. doi: 10.1038/s41377-022-00714-x.
5
High-speed computer-generated holography using an autoencoder-based deep neural network.使用基于自动编码器的深度神经网络的高速计算机生成全息术。
Opt Lett. 2021 Jun 15;46(12):2908-2911. doi: 10.1364/OL.425485.
6
DNN-FZA camera: a deep learning approach toward broadband FZA lensless imaging.深度神经网络傅里叶叠层分析相机：一种用于宽带傅里叶叠层分析无透镜成像的深度学习方法。
Opt Lett. 2021 Jan 1;46(1):130-133. doi: 10.1364/OL.411228.
7
Transmission of natural scene images through a multimode fibre.自然场景图像通过多模光纤的传输。
Nat Commun. 2019 May 2;10(1):2029. doi: 10.1038/s41467-019-10057-8.
8
Multimode optical fiber transmission with a deep learning network.基于深度学习网络的多模光纤传输
Light Sci Appl. 2018 Oct 3;7:69. doi: 10.1038/s41377-018-0074-1. eCollection 2018.
9
Use of polarization freedom beyond polarization-division multiplexing to support high-speed and spectral-efficient data transmission.利用超越偏振复用的偏振自由度来支持高速和频谱高效的数据传输。
Light Sci Appl. 2017 Feb 24;6(2):e16207. doi: 10.1038/lsa.2016.207. eCollection 2017 Feb.