論文の概要: Deep learning for enhanced free-space optical communications
- arxiv url: http://arxiv.org/abs/2208.07712v1
- Date: Mon, 15 Aug 2022 14:24:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-17 13:00:18.811584
- Title: Deep learning for enhanced free-space optical communications
- Title(参考訳): 自由空間光通信のための深層学習
- Authors: Manon P. Bart, Nicholas J. Savino, Paras Regmi, Lior Cohen, Haleh
Safavi, Harry C. Shaw, Sanjaya Lohani, Thomas A. Searles, Brian T. Kirby,
Hwang Lee, Ryan T. Glasser
- Abstract要約: 乱流や背景の熱雑音などの大気効果は、ON-OFFキーング自由空間光通信で使用されるコヒーレント光の伝搬を抑制する。
本稿では,後処理における自由空間光通信のビット誤り率を低減するために,畳み込みニューラルネットワークを実験的に検証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Atmospheric effects, such as turbulence and background thermal noise, inhibit
the propagation of coherent light used in ON-OFF keying free-space optical
communication. Here we present and experimentally validate a convolutional
neural network to reduce the bit error rate of free-space optical communication
in post-processing that is significantly simpler and cheaper than existing
solutions based on advanced optics. Our approach consists of two neural
networks, the first determining the presence of coherent bit sequences in
thermal noise and turbulence and the second demodulating the coherent bit
sequences. All data used for training and testing our network is obtained
experimentally by generating ON-OFF keying bit streams of coherent light,
combining these with thermal light, and passing the resultant light through a
turbulent water tank which we have verified mimics turbulence in the air to a
high degree of accuracy. Our convolutional neural network improves detection
accuracy over threshold classification schemes and has the capability to be
integrated with current demodulation and error correction schemes.
- Abstract(参考訳): 乱流や背景の熱雑音などの大気効果は、ON-OFFキーング自由空間光通信に用いられるコヒーレント光の伝搬を抑制する。
本稿では,畳み込みニューラルネットワークを用いて,光処理後の自由空間における光通信のビット誤り率を低減し,従来手法よりも大幅に単純で安価であることを示す。
提案手法は,2つのニューラルネットワークから構成される。第1は熱雑音と乱流におけるコヒーレントビット列の存在を判定し,第2はコヒーレントビット列を復調する。
ネットワークのトレーニングとテストに使用するすべてのデータは、コヒーレント光のオンオフキーイングビットストリームを生成し、これらを熱光と組み合わせて、空気中の乱流を高い精度で模倣した乱流水槽に、結果光を透過させることによって実験的に得られる。
我々の畳み込みニューラルネットワークはしきい値分類方式よりも検出精度を向上し、現在の復調と誤り訂正方式と統合できる能力を有する。
関連論文リスト
- Procrustean entanglement concentration in quantum-classical networking [0.605746798865181]
古典光で汚染された偏光絡み状態に対するプロクラステアの絡み合い濃度を記述し,実験的に実装した。
提案手法はテーブルトップと展開された量子局所領域ネットワーク上で実証し、2ビットの絡み合った状態の忠実性を大幅に向上させる。
論文 参考訳(メタデータ) (2024-01-02T17:53:57Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳(メタデータ) (2023-08-31T04:58:17Z) - Experimental free-space quantum key distribution over a turbulent
high-loss channel [0.0]
ファイバーベースの通信ネットワークと比較して、自由空間ネットワークはデコヒーレンスや光子損失が著しく少ない。
大気の乱流は透過率分布のずれに寄与し、ノイズやチャネル損失をもたらす。
アクティブな研究は現在、高損失チャネルにおけるセキュアで実用的な量子通信の確立に重点を置いている。
論文 参考訳(メタデータ) (2023-05-02T11:47:22Z) - Fluctuation-based deconvolution in fluorescence microscopy using
plug-and-play denoisers [2.236663830879273]
蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。
この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
論文 参考訳(メタデータ) (2023-03-20T15:43:52Z) - Cycle-Interactive Generative Adversarial Network for Robust Unsupervised
Low-Light Enhancement [109.335317310485]
CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。
特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
論文 参考訳(メタデータ) (2022-07-03T06:37:46Z) - DeStripe: A Self2Self Spatio-Spectral Graph Neural Network with Unfolded
Hessian for Stripe Artifact Removal in Light-sheet Microscopy [40.223974943121874]
本稿では,光シート蛍光顕微鏡(LSFM)におけるDeStripeと呼ばれるブラインドアーティファクト除去アルゴリズムを提案する。
DeStripeは、一方向のアーティファクトと前景の画像の構造的差異を利用して、潜在的に破損した係数をローカライズする。
影響された係数をグラフニューラルネットワークに入力して、標準画像空間の構造が十分に保存されていることを保証するために、ヘッセン正規化をアンロールした状態でリカバリすることができる。
論文 参考訳(メタデータ) (2022-06-27T16:13:57Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳(メタデータ) (2021-06-10T04:21:20Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳(メタデータ) (2021-03-22T18:06:58Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳(メタデータ) (2020-10-01T16:04:22Z) - Neural Control Variates [71.42768823631918]
ニューラルネットワークの集合が、積分のよい近似を見つけるという課題に直面していることを示す。
理論的に最適な分散最小化損失関数を導出し、実際に安定したオンライントレーニングを行うための代替の複合損失を提案する。
具体的には、学習した光場近似が高次バウンスに十分な品質であることを示し、誤差補正を省略し、無視可能な可視バイアスのコストでノイズを劇的に低減できることを示した。
論文 参考訳(メタデータ) (2020-06-02T11:17:55Z) - Adaptive optics with reflected light and deep neural networks [0.0]
本研究では,反射光と深部ニューラルネットワークを併用した適応光学系の開発を行った。
励起及び検出経路収差と対応する反射焦点画像からなるサンプル収差の大規模なデータセットを生成する。
深層ニューラルネットワークは、散乱サンプルから記録された反射光画像に基づいて、励起と検出の収差を独立に歪め、補正することができる。
論文 参考訳(メタデータ) (2020-04-09T15:39:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。