使用二维轨道角动量光谱进行空间分辨的大气湍流探测

为何空气会扰乱我们的光信号

任何时候光束穿过一段较长的空气时，都会被温暖与寒冷气团悄然扰动。对于那些使用光代替无线电在天空中传输数据或图像的技术来说，这些看不见的涟漪会使信号模糊、变暗或发生扭曲。本研究探讨了一种读取这些涟漪的全新方法：通过精心成形的光束和现代模式识别工具，将空气本身变为可测量的对象。

内置扭转的光

研究人员不使用简单的手电筒式光束，而是关注所谓的涡旋光束，其光波像螺旋钻一样旋绕。他们通过使用一种称为贝塞尔–高斯（Bessel–Gaussian）的光束，使这些光束具有额外的环状结构，类似于池塘上的波纹。每个环对沿路径中不同尺度的旋涡敏感。当这种扭曲且带环的光束通过湍流空气时，空气的随机结构会将光的部分能量推入新的旋转模式中。能量如何在这些旋转模式间扩散，包含了它所通过空气的隐含记录。

从一条数轴到完整图景

早期方法将所有这种行为压缩成一维谱：一列汇总了光最终落入各旋转模式的总体多少。虽然这种表示紧凑且易于计算，但它丢弃了乱序发生在光束截面何处的信息。新方法同时记录旋转模式和它发生的径向位置。研究团队将光束切分为一组细环，并针对每个环测量光在旋转模式间如何被打乱。得到的是一个二维地图，显示光束的核心与外环在同一片空气中如何有不同响应。

让机器读取空气

更丰富的这幅地图随后被交给支持向量机——一种常见的机器学习算法，用以区分不同情形。在成千上万次通过湍流空气的模拟飞行中，团队改变了湍流的两个关键成分：强度以及包含的小尺度旋涡数量。每次模拟产生一个被扰乱光束的二维地图，算法学习将这些地图与底层空气状态关联起来。与旧的一维方法相比，新的二维视图使算法能够以约86%的典型成功率区分出25种不同的湍流情况，精度提高了约四分之一。

为最清晰读出调谐环带

研究还探讨了如何以最少的工作量获取最有用的信息。增加光束周围的环数并观察更宽范围的旋转模式通常会提升性能，但仅在达到一定程度前有效。内环携带大部分有意义的信号，而微弱的外缘容易被噪声淹没。通过选择性地忽略最嘈杂的外环，团队在接收相机比光束更大或图像分辨率降低时仍能保持高准确率。他们发现，只需少量环和适中的旋转模式扩展，就能捕获大部分收益，这为可快速运行的实用系统指明了方向。

这对现实系统意味着什么

简言之，这项工作表明，同时观察光束在空间位置和扭转模式上如何被扰动，使我们能够更清晰地“感知”湍流空气的结构。与将大气视为一个模糊障碍不同，这种方法分辨出光束不同部分受影响的方式，并让算法将其翻译为有意义的湍流强度和尺度度量。尽管结果来自计算实验，但它们与现有可同时记录亮度与波形的光学装置天然兼容。从长远看，这种细致的探测可帮助未来的自由空间通信链路、望远镜与遥感系统实时适应不稳定的天空，从而保持信号更清晰、更可靠。

引用: Jiang, W., Cheng, M., Guo, L. et al. Spatially-resolved atmospheric turbulence sensing with two-dimensional orbital angular momentum spectroscopy. Commun Phys 9, 159 (2026). https://doi.org/10.1038/s42005-026-02587-7

关键词: 大气湍流, 结构化光, 轨道角动量, 自由空间光学, 机器学习探测