-
Patent Agency Ranking
公开(公告)号：CN113595641A
公开(公告)日：2021-11-02
申请号：CN202110835603.3
申请日：2021-07-23
Applicant: 成都信息工程大学
IPC: H04B10/2543 , H04B10/2507 , H04B10/61 , H04J14/06 , H04L27/38
Abstract: 本发明公开了一种基于MA‑DBP算法的光纤非线性均衡方法，首先构建PDM‑16QAM的长距离光传输系统，从系统的接收端获取实验数据，再将改进型的非线性步长作为数字信号处理中数字反向传播算法的步长，并将基于改进型级联多模算法的Godard’s error作为代价函数，再利用斐波那契搜索算法来搜索出代价函数中对应的最优的光纤非线性系数，最后根据最优的光纤非线性系数进行非线性补偿。本发明利用改进型的级联多模算法实现偏振解复用，并且在数字反向传播运算中采用了非线性步长。该方案不仅可以适用于QAM调制信号，还可以自适应的搜索出系统最优的光纤非线性系数，使得非线性补偿的性能达到最优，并且该方案的计算复杂度也是较低的。
-
公开(公告)号：CN117997429A
公开(公告)日：2024-05-07
申请号：CN202211357359.5
申请日：2022-11-01
Applicant: 成都信息工程大学
IPC: H04B10/2513 , H04B10/2543 , G06N3/084
Abstract: 本发明公开一种基于自学习数字反向传播算法的色散和光纤非线性均衡方法，首先将传统数字反向传播算法的线性步骤当作神经网络的权重矩阵，将传统数字反向传播算法的非线性步骤当作神经网络的激活函数；再使用Wirtinger导数对自学习数字反向传播算法实现超参数更新；然后通过自学习数字反向传播算法更新的超参数进行前向传播和数字信号处理，生成该传输链路的网络模型，并在执行阶段得到该模型的色散和非线性损伤值；最后利用自学习数字反向传播算法迭代出的色散和非线性损伤值，与自学习数字反向传播算法的标签值来计算系统的误码率和信噪比，从而得到系统的色散和非线性补偿方案性能。本发明通过神经网络对色散和光纤非线性损伤进行均衡处理，并且进一步的优化DBP的参数，自适应的获得系统的最优参数，建立更好的网络模型，能够准确的预测色散和光纤非线性损伤，并且只依赖于接收到的数据来模拟传输模型，可以在预先不知道链路参数的情况下工作，具有普适性。
-
公开(公告)号：CN113595641B
公开(公告)日：2022-05-17
申请号：CN202110835603.3
申请日：2021-07-23
Applicant: 成都信息工程大学
IPC: H04B10/2543 , H04B10/2507 , H04B10/61 , H04J14/06 , H04L27/38
Abstract: 本发明公开了一种基于MA‑DBP算法的光纤非线性均衡方法，首先构建PDM‑16QAM的长距离光传输系统，从系统的接收端获取实验数据，再将改进型的非线性步长作为数字信号处理中数字反向传播算法的步长，并将基于改进型级联多模算法的Godard’s error作为代价函数，再利用斐波那契搜索算法来搜索出代价函数中对应的最优的光纤非线性系数，最后根据最优的光纤非线性系数进行非线性补偿。本发明利用改进型的级联多模算法实现偏振解复用，并且在数字反向传播运算中采用了非线性步长。该方案不仅可以适用于QAM调制信号，还可以自适应的搜索出系统最优的光纤非线性系数，使得非线性补偿的性能达到最优，并且该方案的计算复杂度也是较低的。
-
公开(公告)号：CN113285758B
公开(公告)日：2022-06-14
申请号：CN202110540032.0
申请日：2021-05-18
Applicant: 成都信息工程大学
IPC: H04B10/2557 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于IPCA‑DNN算法的光纤非线性均衡方法，首先用色散补偿模块来补偿传输链路的线性损伤，然后计算信道内交叉相位调制和信道内四波混频的三元组；再通过改进型PCA算法与聚类分析结合对所述三元组进行数据预处理；然后通过神经网络训练预处理后的三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值；最后利用非线性损伤值的预测值与神经网络的标签值来计算该非线性补偿方案的性能。本发明通过神经网络对光纤非线性损伤进行均衡处理，可以逼近任意非线性函数，建立更好的黑箱模型，能够准确的预测光纤非线性损伤，并且只依赖于接收到的数据来模拟传输模型，可以在预先不知道链路参数的情况下工作，具有普适性。
-
公开(公告)号：CN113285758A
公开(公告)日：2021-08-20
申请号：CN202110540032.0
申请日：2021-05-18
Applicant: 成都信息工程大学
IPC: H04B10/2557 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于IPCA‑DNN算法的光纤非线性均衡方法，首先用色散补偿模块来补偿传输链路的线性损伤，然后计算信道内交叉相位调制和信道内四波混频的三元组；再通过改进型PCA算法与聚类分析结合对所述三元组进行数据预处理；然后通过神经网络训练预处理后的三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值；最后利用非线性损伤值的预测值与神经网络的标签值来计算该非线性补偿方案的性能。本发明通过神经网络对光纤非线性损伤进行均衡处理，可以逼近任意非线性函数，建立更好的黑箱模型，能够准确的预测光纤非线性损伤，并且只依赖于接收到的数据来模拟传输模型，可以在预先不知道链路参数的情况下工作，具有普适性。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
