-
公开(公告)号：CN116015458B
公开(公告)日：2024-08-02
申请号：CN202211595824.9
申请日：2022-12-12
IPC: H04B10/2543 , H04J14/04 , G06N3/047 , G06N3/08
Abstract: 本发明公开的一种针对随机特性的贝叶斯神经网络非线性均衡方法，属于光纤通信技术领域。本发明对模分复用光纤通信系统的非线性进行推导，通过拟合模分复用光纤通信系统非线性特性进行数据采集；将贝叶斯神经网络模型中的参数初始化为标准正态分布，根据不同输入信号自适应贝叶斯神经网络非线性均衡模型的权重和偏差，通过变分学习找到使KL散度最小化的变分参数；基于训练好的贝叶斯神经网络非线性均衡模型，准确识别出不同情况下传输的不同信号的误码率特性，通过非线性均衡处理实现高准确度的数据恢复，有效缓解信号在光纤传输过程中受到的光纤非线性效应的影响，提升通信系统在不同工况下的鲁棒性。本发明还具有泛化能力强、复杂度低的优点。
-
公开(公告)号：CN115833944A
公开(公告)日：2023-03-21
申请号：CN202211543818.9
申请日：2022-12-01
Applicant: 北京理工大学 , 北京邮电大学 , 江苏雅泰歌思通讯技术有限公司
IPC: H04B10/25 , H04B10/2543 , H04L27/38 , H04L25/03
Abstract: 本发明公开的基于Wide&Deep‑LSTM网络的光纤非线性均衡方法，属于光纤通信技术领域。本发明实现方法为：构建每个M‑QAM信号的第一特征序列和第二特征序列，构建训练数据集；构建基于Wide&Deep‑LSTM网络的非线性均衡模型，第一特征序列作为网络模型中Wide网络子模型的输入特征序列，第二特征序列作为网络模型中Deep‑LSTM网络子模型的输入特征序列；对网络模型进行训练；将每个待非线性均衡的M‑QAM信号的特征序列输入到训练好的网络模型，输出得到每个M‑QAM信号的预测标签；将输出的预测标签结果作为M‑QAM信号所对应的类别，得到M‑QAM信号的非线性均衡结果，通过M‑QAM星座符号解映射，实现高准确度的数据恢复，缓解信号在光纤传输过程中受到的光纤非线性效应的影响，提高系统对光纤非线性效应的容忍度。
-
公开(公告)号：CN113726423A
公开(公告)日：2021-11-30
申请号：CN202111291338.3
申请日：2021-11-03
Applicant: 北京邮电大学 , 中国联合网络通信有限公司研究院
IPC: H04B10/071
Abstract: 本发明提供一种拉曼双向泵浦协同双向OTDR检测恢复系统及光网络，所述系统通过在光纤链路两端分别设置前向泵浦放大检测模块和后向泵浦放大检测模块，构建双向泵浦拉曼放大结构以及双向OTDR检测结构，通过在光纤链路两端协同工作，能够有效提高光信号的放大效率，避免传统方法中采用高功率泵浦光源带来的安全隐患，同时基于双向OTDR采用不同频率的脉冲信号光在光纤中传播时产生的后向散射光来获取衰减的信息，可用于测量光纤衰减、光纤故障点定位等。所述光网络中，通过在每个光网络节点处设置检测泵浦放大检测模块，在每条光纤链路两端分别构建双向泵浦拉曼放大结构以及双向OTDR检测结构，提高了光网络信号传输的泵浦放大效率和故障检出精度。
-
公开(公告)号：CN110557195A
公开(公告)日：2019-12-10
申请号：CN201910816067.5
申请日：2019-08-30
Applicant: 北京邮电大学
IPC: H04B10/079
Abstract: 本发明实施例提供了一种基于相干光通信的定时误差检测方法及装置，方法包括：确定接收的相干光信号的符号周期；基于所述符号周期对所述相干光信号进行采样，采样周期为所述符号周期的一半；基于当前采样符号与上一采样符号的采样值，判断当前采样符号与上一采样符号之间是否存在相位跳变；若不存在相位跳变，则基于当前采样符号的采样值，上一采样符号的采样值，当前采样符号的采样时刻与上一采样符号的采样时刻的中间采样时刻的采样值，以及上一采样符号的定时误差，计算当前采样符号的定时误差。解决了采用现有算法时，若不存在相位跳变，无法准确计算出定时误差的技术问题。
-
公开(公告)号：CN114077868B
公开(公告)日：2024-08-02
申请号：CN202111386513.7
申请日：2021-11-22
Applicant: 北京邮电大学
IPC: G06F18/23 , G06F18/214 , G06F18/2413 , H04B10/40 , H04L25/03
Abstract: 本发明涉及一种基于DBSCAN和DW‑KNN的信道均衡方法及系统。所述方法包括：获取光纤传输系统接收端的M‑QAM信号的星座点数据样本集；采用基于密度的带噪声应用空间聚类DBSCAN对星座点数据样本集中的样本点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集；将已分类好的带标签点集作为训练样本，采用基于距离权重的k近邻DW‑KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集；将已分类好的带标签点集与二次分类好的带标签点集合并为总带标签点集合，完成基于DBSCAN和DWKNN的联合非线性补偿。本发明方法具有较好的抗噪能力、实时性、灵活性，可实现光纤传输链路中的复杂的非线性效应补偿，提升光纤传输系统的传输容限。
-
Patent Agency Ranking
公开(公告)号：CN114665971B
公开(公告)日：2023-10-13
申请号：CN202210275510.4
申请日：2022-03-21
IPC: H04B10/50 , H04B10/556 , G06N3/006 , G06N3/126 , G02B27/00
Abstract: 本发明公开的一种用于提高通信容量的多模式叠加光束的产生方法，属于光通信领域。本发明通过多值变异算子对粒子群算法的粒子速度进行自适应的变异操作，设计基于自适应变异粒子群的多模式叠加涡旋光束生成算法，改变传统产生算法中不同OAM模式的初始系数按预期比例赋值的思路，解决叠加模式过多时无法符合预期模式分布的问题，提高涡旋光束中不同OAM模式的均匀性和产生的模式数目，降低与预期功率分布的相关均方根误差系数，提高涡旋光栅的能量转换效率，增加OAM光通信系统中可用的OAM通道数目，同时提高生成迭代算法的迭代速率，进而提高多模式叠加涡旋光束生成产生效率。本发明能够高效、高精度生成多模式叠加涡旋光束。
-
公开(公告)号：CN114035300B
公开(公告)日：2023-08-08
申请号：CN202111311955.5
申请日：2021-11-08
IPC: G02B7/28
Abstract: 本发明涉及一种大容量空间光通信链路下基于变焦透镜的自适应校正方法，属于光通信技术领域。在保持变焦透镜和CCD相机距离不变的情况下采集探针光束在后焦面以及各个离焦面的光强分布信息，同时利用改进相位差方法重建传输过程中大气湍流引起的畸变相位信息，从而达到修复畸变OAM光束、提升大容量空间光通信链路性能的目的。本发明所提方法具有算法收敛速度快，校正精度高，实现手段简单的优点，在提高自适应光学系统校正精度的同时，可有效降低自适应光学系统的成本与结构复杂度。
-
公开(公告)号：CN116346217A
公开(公告)日：2023-06-27
申请号：CN202310595113.X
申请日：2023-05-25
Applicant: 北京理工大学 , 北京邮电大学 , 雅泰歌思(上海)通讯科技有限公司 , 中国电子科技集团公司第五十四研究所
Inventor： 常欢 , 忻向军 , 高然 , 姚海鹏 , 袁梦竹 , 马铭 , 葛洪武 , 黄鑫 , 吴巍 , 张琦 , 董泽 , 郭栋 , 潘晓龙 , 李志沛 , 周思彤 , 刘欣雨 , 朱磊 , 李欣颖 , 王富 , 张文全 , 武瑞德 , 闫景浩
IPC: H04B10/07 , H04B17/391 , G06N3/0475 , G06N3/094
Abstract: 本发明公开的一种基于深度学习的光通信系统信道构建方法，属于光通信领域。本发明实现方法为：采用条件生成对抗网络构建光通信系统信道，构建包含多组损失函数优化的联合损失函数，多组损失函数包括均方误差损失、对抗损失、平均绝对误差损失。条件生成对抗网络包括生成器和判别器，通过生成器捕获光通信系统收发两端数据分布，并生成具有相同分布的接收端新数据用于混淆判别器；判别器对生成的假数据和真实收端数据鉴别，当判别器达到纳什平衡无法确定其输入来自生成器还是真实数据时，此时条件生成对抗网络中的生成器便能够对光通信系统信道快速准确建模，输出经过复杂损耗的光通信系统接收端数据，提升光通信系统的可靠性和鲁棒性。
-
公开(公告)号：CN115987394A
公开(公告)日：2023-04-18
申请号：CN202211537442.0
申请日：2022-12-01
Applicant: 北京理工大学 , 北京邮电大学 , 江苏雅泰歌思通讯技术有限公司
IPC: H04B10/25 , H04B10/2543
Abstract: 本发明公开的一种基于Wide&Deep模型的光纤非线性均衡方法，属于光纤通信技术领域。本发明实现方法为：构建每个M‑QAM信号的第一特征序列和第二特征序列，构建训练数据集；构建基于Wide&Deep模型的非线性均衡模型，第一特征序列作为Wide&Deep模型中Wide网络子模型的输入特征序列，第二特征序列作为Wide&Deep模型中Deep网络子模型的输入特征序列；利用训练数据集对Wide&Deep模型进行训练；将每个待非线性均衡的M‑QAM信号的特征序列输入到训练好的Wide&Deep模型，输出得到每个M‑QAM信号的预测标签；将输出的预测标签结果作为M‑QAM信号所对应的类别，通过M‑QAM星座符号解映射，得到相对应二进制数据，实现高准确度的数据恢复，有效缓解信号在光纤传输过程中受到的由光纤非线性效应造成的影响，降低误比特率。
-
公开(公告)号：CN110557195B
公开(公告)日：2020-08-28
申请号：CN201910816067.5
申请日：2019-08-30
Applicant: 北京邮电大学
IPC: H04B10/079
Abstract: 本发明实施例提供了一种基于相干光通信的定时误差检测方法及装置，方法包括：确定接收的相干光信号的符号周期；基于所述符号周期对所述相干光信号进行采样，采样周期为所述符号周期的一半；基于当前采样符号与上一采样符号的采样值，判断当前采样符号与上一采样符号之间是否存在相位跳变；若不存在相位跳变，则基于当前采样符号的采样值，上一采样符号的采样值，当前采样符号的采样时刻与上一采样符号的采样时刻的中间采样时刻的采样值，以及上一采样符号的定时误差，计算当前采样符号的定时误差。解决了采用现有算法时，若不存在相位跳变，无法准确计算出定时误差的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.038 seconds)
