科学家示意，结构光通过将先进的图像科罚与机器学习相策动来增强信息传输麻仓优作品，在立异推行中罢了高数据容量和准确性。
结构光通过整合空间维度和多个目田度，具有极地面增多信息容量的后劲。最近，结构光情势与图像科罚和东说念主工智能的和会，在通讯和检测等限制浮现出精深的发展后劲。
结构光场最权贵的特征之一是其振幅信息的二维和三维散播。这一特点不错与老到的图像科罚手艺有用和会麻仓优作品，也不错借助现在正在股东长远变革的机器学习手艺罢了跨媒体信息传输。基于关系类似态的复杂结构光场，不错捎带丰富的空间振幅信息。通过进一步策动空间非线性退换，不错罢了信息容量的权贵增多。
来自北京理工大学的张子龙和来自南洋理工大学的沈义杰过甚团队成员，淡薄了一种基于复模关系类似态过甚空间非线性退换的增强信息容量的新圭臬。他们通过和会机器视觉和深度学习手艺，罢了了低误码率的大角度点对多点信息传输。
在该模子中，应用高斯光束通过空间光调制器罢了结构光的空间非线性退换。卷积神经汇注（CNN）用于识别光束的强度散播。通过对基本类似情势和SNC情势的相比发现，跟着基本类似情势构成特征模阶数的增多，HG类似情势的编码智商显著优于LG情势，且空间结构非线性退换后的情势编码智商不错取得权贵晋升。
编码妥协码性能的考证
为了考证基于上述模子的编码妥协码性能，传输了一幅50×50像素的彩色图像。图像的RGB维度被辩认为5个色度级别，草榴社区地址系数包含125种色度信息，每种色度信息由125个HG关系类似态编码。此外，通过DMD空间光调制器将大气湍流引起的不同流程的相位抖动加载到这125个情势上，并用深度学习手艺进行考验以造成数据集。
涩涩爱
进一步使用非线性退换麻仓优作品，罢了了对更高容量解码后果的分析，其中聘请了530个SNC情势，通过卷积神经汇注对这些情势的沾污矩阵进行推行测量，如上图所示。推行狂妄标明，由于结构特征愈加显著，SNC情势仍然不错确保类似的低误码率，同期权贵晋升数据容量，数据识别准确率高达99.5%。此外，该推行还考证了机器视觉在漫反射条目下的情势识别智商，罢了了多个采取录像头同期进行高精度解码，不雅测角度可达70°。