立项评审通过 创新训练 510电子与通信技术 理论研究-科学技术未定级

大气激光通信，凭借其高带宽和高安全性，被认为是解决无线接入瓶颈的关键技术，展现出巨大的发展潜力。然而大气激光通信很容易受到信道环境的影响，其中大气湍流是最主要因素之一，它会造成光束功率的随机起伏并破坏传输光束的波前相位。自适应光学技术能够修复大气湍流破坏的波前相位，有效缓解大气湍流对大气激光通信的影响，但传统的有波前自适应光学技术系统复杂、成本昂贵，而传统无波前自适应光学技术则由于采用了搜索迭代的控制算法，所以实时性差、恢复精度不稳定。随着深度学习技术的快速发展，基于深度学习的无波前自适应光学技术通过深度学习模型能够迅速适应并修复因大气湍流造成的光束破坏，从而提高了通信的实时性和稳定性。然而，这一技术在大规模部署前仍面临许多不足与挑战。 针对上述问题，本项目将从数据获取、模型构建等方面对基于深度学习的无波前自适应光学技术展开研究，将努力推动基于深度学习的无波前自适应光学技术的发展。