-
公开(公告)号：CN116366165A
公开(公告)日：2023-06-30
申请号：CN202211537436.5
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
Abstract: 本发明公开的基于Wide&Deep‑CNN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图谱，构建训练数据集；构建基于Wide&Deep‑CNN模型的非线性均衡模型，第一特征序列作为Wide&Deep‑CNN模型中Wide网络子模型的输入特征序列，第二特征图谱作为Wide&Deep‑CNN模型中Deep‑CNN子模型的输入特征图谱；利用训练数据集对Wide&Deep‑CNN模型进行训练；将每个待非线性均衡的M‑QAM信号的特征输入到训练好的Wide&Deep‑CNN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，显著改善M‑QAM信号的质量，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，降低误比特率，提升相干光通信系统的传输性能。
-
公开(公告)号：CN114564805A
公开(公告)日：2022-05-31
申请号：CN202111298343.7
申请日：2021-11-04
Applicant: 常州北邮新一代信息技术研究院有限公司 , 北京理工大学
IPC: G06F30/18 , G06F30/27 , G06K9/62 , G06N20/00 , G06F111/02 , G06F111/08
Abstract: 本发明提供了一种少模多芯光纤传输中非线性随机性的判决方法和装置，其中，该方法包括以下步骤：对原始数据进行数据处理以获取目标训练集；采用Treebagger函数根据所述目标训练集获取随机森林模型；获取少模多芯光纤传输中的待检测数据；通过所述随机森林模型根据所述待检测数据对非线性随机性进行判决。根据本发明的少模多芯光纤传输中非线性随机性的判决方法，能够实现低复杂度并且高精度对非线性随机性进行判决。
-
公开(公告)号：CN114035300A
公开(公告)日：2022-02-11
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：CN116865901B
公开(公告)日：2024-10-11
申请号：CN202310942030.3
申请日：2023-07-29
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 , 江苏雅泰歌思通讯技术有限公司
Inventor： 董泽 , 忻向军 , 穆宇佳 , 高然 , 何海莲 , 宋俊元 , 李志沛 , 潘晓龙 , 常欢 , 郭栋 , 胡善亭 , 于超 , 朱磊 , 田博 , 刘欣雨 , 周思彤 , 黄鑫 , 武瑞德 , 闫景浩 , 张琦 , 田凤 , 田清华 , 温宇垚
Abstract: 本发明公开了一种多级放大增益平坦和非线性功率转移联合优化方法及系统，涉及高速光通信技术领域。包括：建立包含掺饵光纤放大器EDFA和受激拉曼SRS非线性功率转移效应的多跨段实际高速光纤传输信道模型，模拟偏振复用高阶正交幅度调制QAM信号在密集型波分复用DWDM光传输系统中的传输特性步骤、建立深度确定性策略梯度DDPG强化学习算法模型步骤、将DWDM光纤通信系统模型和DDPG算法加入到强化学习代码中步骤、对建立的强化学习模型进行调试步骤、波长选择开关WSS联合调控DWDM功率步骤。本发明有助于实现不同参数变化下的动态均衡，实现更高的SNR并提高光传输干线的整体性能，更具有普遍性。
-
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。
-
Patent Agency Ranking
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：CN114285715A
公开(公告)日：2022-04-05
申请号：CN202111558697.0
申请日：2021-12-20
Applicant: 北京理工大学
Abstract: 本发明公开的基于双向GRU‑条件随机场的非线性均衡方法，属于光纤通信技术领域。本发明实现方法为：发送和采集M‑QAM信号序列，构建每个M‑QAM信号的特征序列，构建训练数据集；构建基于双向GRU‑条件随机场的非线性均衡模型；利用训练数据集对双向GRU‑条件随机场模型进行训练；使用训练好的双向GRU‑条件随机场模型对每个M‑QAM信号的特征序列进行标签序列的预测，输出得到每个M‑QAM信号的预测标签序列；将输出的预测标签序列的中间标签结果作为M‑QAM信号所对应的类别，通过M‑QAM星座符号解映射后，得到相对应二进制数据，实现高准确度的数据恢复，有效降低信号在长距离传输过程中受到的由于器件和光纤的非线性效应造成的影响，降低通信系统的误比特率，提升通信系统的传输性能。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.059 seconds)
