-
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。
-
公开(公告)号：CN117560105A
公开(公告)日：2024-02-13
申请号：CN202311507644.5
申请日：2023-11-13
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
Inventor： 常欢 , 高然 , 忻向军 , 徐盼盼 , 王斐 , 张琦 , 姚海鹏 , 董泽 , 郭栋 , 潘晓龙 , 李志沛 , 王富 , 周思彤 , 朱磊 , 李欣颖 , 张文全 , 武瑞德 , 黄鑫 , 闫景浩
IPC: H04B17/391 , H04Q11/00
Abstract: 本发明公开的一种OAM光束在大气湍流下产生相位畸变的补偿方法，属于光学通信领域。本发明实现方法为：基于Swin‑Transformer的网络模型从OAM强度分布图像中提取大气湍流相位屏，通过对用于提取大气湍流相位屏的Swin‑Transformer网络模型不断训练，以学习畸变OAM光束和对应的大气湍流相位屏之间的非线性关系，将该相位屏的复共轭加载到待补偿OAM光束，补偿OAM光束在大气湍流下产生相位的畸变，缓解模间串扰，从而使传输光束的传输功率增高，提升传输模式的纯度。同时，本发明引入基于移位窗口的自注意力机制，能够捕捉输入序列中的长距离依赖性，将自注意力局限于局部窗口中并使用滑动窗口策略促进窗口之间的信息交流，在减少计算开销的同时保持Transformer的全局特征提取能力。本发明适用于光通信等领域，显著提升光通信系统的可靠性。
-
公开(公告)号：CN114200664B
公开(公告)日：2023-09-05
申请号：CN202111333005.2
申请日：2021-11-11
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
Abstract: 本发明提供了一种基于改进相位差算法的自适应光学系统，包括：接收模块，接收模块用于接收畸变的复用光束并使用解复用器将信息光束与探针光束解复用；自适应光学模块，自适应光学模块用于探测探针光束的波前畸变，并采用改进相位差算法计算探针光束传输过程中的畸变相位信息，以及根据畸变相位信息对信息光束进行校正。根据本发明的基于改进相位差算法的自适应光学系统，不仅大大降低了自适应光学系统的复杂性和成本，而且采用改进相位差算法，收敛速度更快，重建精度更高，能够应用于自适应光学高精度实时校正领域。
-
公开(公告)号：CN116599598A
公开(公告)日：2023-08-15
申请号：CN202310560560.1
申请日：2023-05-17
Applicant: 雅泰歌思(上海)通讯科技有限公司 , 北京理工大学 , 北京邮电大学
IPC: H04B10/69 , H04B10/54 , H04B10/524 , H04J14/04 , G06N3/0464 , G06N3/096
Abstract: 本发明公开的一种用于模分复用通信系统的非线性损伤均衡方法，属于光纤通信领域。本发明实现方法为：OAM‑MDM光纤通信系统发送和接收脉冲幅度调制PAM信号序列，以接收到的PAM数据符号构建数据特征向量；利用训练数据集对均衡器进行训练；将测试数据集输入AffinityNet均衡器得到信号的预测值，实现高准确度的数据恢复。AffinityNet利用“小样本”建立精确的非线性模型，并具有较高的泛化能力预测OAM‑MDM的随机特征非线性。AffinityNet非线性均衡器能够通过小样本学习出的非线性模型有效地补偿OAM‑MDM系统中的随机非线性。本发明具有更低的计算复杂度，同时能高效率恢复OAM系统中传输的数据符号，补偿OAM光通信系统的系统非线性。
-
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：CN114200664A
公开(公告)日：2022-03-18
申请号：CN202111333005.2
申请日：2021-11-11
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
Abstract: 本发明提供了一种基于改进相位差算法的自适应光学系统，包括：接收模块，接收模块用于接收畸变的复用光束并使用解复用器将信息光束与探针光束解复用；自适应光学模块，自适应光学模块用于探测探针光束的波前畸变，并采用改进相位差算法计算探针光束传输过程中的畸变相位信息，以及根据畸变相位信息对信息光束进行校正。根据本发明的基于改进相位差算法的自适应光学系统，不仅大大降低了自适应光学系统的复杂性和成本，而且采用改进相位差算法，收敛速度更快，重建精度更高，能够应用于自适应光学高精度实时校正领域。
-
公开(公告)号：CN113346957A
公开(公告)日：2021-09-03
申请号：CN202110609629.6
申请日：2021-06-01
IPC: H04B10/516 , H04B10/61 , G06K9/62
Abstract: 本发明涉及一种OAM‑QPSK传输的聚类非线性补偿方法，特别涉及一种针对OAM模式复用传输QPSK信号的聚类非线性补偿方法，属于光纤通信技术领域。本发明将数据分为训练序列和测试序列，训练序列用于训练聚类模型，测试序列用于误码率性能测试。聚类模型的训练采用的是改进的快速查找密度峰值聚类算法(FSFDP)。该方法能够降低非线性补偿的计算复杂度，系统通信的误码率性能得到了提升，实现了低复杂度的非线性补偿。
-
公开(公告)号：CN119051706A
公开(公告)日：2024-11-29
申请号：CN202410891576.5
申请日：2024-07-04
IPC: H04B7/185
Abstract: 本发明公开的基于韦布尔分布的卫星网络可靠导向型主备路由计算方法，属于卫星网络和工业互联网领域。本发明实现方法为：在低轨卫星网络场景下，通过星历得到链路历史可用信息，构建时变多普勒网络效应模型来衡量链路质量，得到链路历史可靠性指标，并对链路历史可靠性指标进行归一化处理；根据韦布尔分布建立卫星故障率概率模型，基于卫星故障率概率模型优化卫星网络联合多路径选择；采用贪心算法求解多路径选择衍生的广义最大覆盖问题，根据求解结果使得选择的路径组合具有联合最低故障率。将最优路径组合存入卫星路由表，根据构建的存储联合最优路径组合的卫星路由表进行路由转发，提升低轨卫星网络导向型主备路由的可靠性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.045 seconds)
