基于分数傅里叶变换的单次测量相位恢复算法  

作　　者：毛宇龙 MAO Yulong

机构地区：[1]西安石油大学,陕西西安710065

出　　处：《信息技术与信息化》2025年第3期158-161,共4页Information Technology and Informatization

摘　　要：文章提出了一种名为SSPR-FrFT的未训练神经网络(UNN)框架,用于通过单次分数阶傅里叶变换(FrFT)测量进行相位恢复。该方法引入近场测量模型,FrFT在时频平面上对信号进行旋转,描述了光波在近场条件下的复杂传播过程,包括菲涅尔衍射。与依赖大量配对数据集的传统监督方法不同,SSPR-FrFT采用自监督重建,通过未训练的神经网络框架处理来自单次测量的衍射图像,优化测量到重建的映射,显著提高计算效率和幅度与相位恢复的准确性。在CELL8和Fashion-MNIST数据集上的实验评估表明,SSPR-FrFT具有优越性,能够在峰值信噪比(PSNR)上实现最高8.0 dB的提升,并在结构相似性指数(SSIM)上获得0.19的提高。通过CELL8数据集上的5折交叉验证结果表明,在处理复杂数据时,SSPR-FrFT展现了稳定一致的收敛趋势。

关 键 词：单次测量 相位恢复 分数阶傅里叶变化 未训练神经网络 

分 类 号：TN9[电子电信—信息与通信工程]