封面文章：郑崇辉，王天枢，刘哲绮，等. 深度迁移学习方法识别轨道角动量光束 [J]. 光电工程，2022，49(6): 210409

轨道角动量光束作为载波携带信息并结合其他复用方式，能够大幅提升系统的信道容量和频谱效率。除了将轨道角动量光束用作载波外，还可以利用其独特的光强分布特征进行编码，从而实现信息传输。因此，如何检测和识别轨道角动量态就引起了研究者的广泛关注。

长春理工大学空间光电技术国家地方联合工程研究中心的王天枢教授研究团队提出了利用深度学习中的迁移学习方法识别轨道角动量光束。迁移学习指的是在相似但不同的领域或任务中进行的知识迁移，即利用已有的知识来学习新的知识。迁移学习则利用源域与目标域之间的相似性，对已学习到的知识进行复用以降低训练模型的成本。利用次谐波法生成大气湍流相位屏仿真大气湍流，以空间光调制器加载相位屏的方式搭建模拟湍流环境，基于迁移学习的轨道角动量光束识别系统在弱湍流和中湍流环境下均获得了 90% 以上的识别率。迁移学习模型的训练速度是传统识别模型的2.3倍，证明了迁移学习系统可在维持较高识别率的条件下，大幅减少模型训练所需时间。为未来快速构建轨道角动量识别系统提供了一个思路。