Learning to Extract Distributed Polarization Sensing Data from Noisy Jones Matrices
Paper i proceeding, 2024
We consider the problem of recovering spatially resolved polarization information from receiver Jones matrices. We introduce a physics-based learning approach, improving noise resilience compared to previous inverse scattering methods, while highlighting challenges related to model overparameterization.
Machine Learning
fiber-optic communications
Fiber Sensing
Författare
Mohammad Farsi
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Christian Häger
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Magnus Karlsson
Chalmers, Mikroteknologi och nanovetenskap, Fotonik
Erik Agrell
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
2024 Optical Fiber Communication Conference and Exhibition, OFC 2024 - Proceeding
21622701 (eISSN)
9781957171326 (ISBN)
2024 Optical Fiber Communication Conference, OFC 2024
San Diego , USA,
San Diego , USA,
Frigöra full fiberoptisk kapacitet
Knut och Alice Wallenbergs Stiftelse (KAW 2018.0090), 2019-07-01 -- 2024-06-30.
Styrkeområden
Informations- och kommunikationsteknik
Fundament
Grundläggande vetenskaper
Ämneskategorier
Kommunikationssystem
DOI
10.1364/ofc.2024.th2a.14