公开(公告)号：CN116346217B

公开(公告)日：2023-08-08

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：CN116192593A

公开(公告)日：2023-05-30

申请号：CN202310210684.7

申请日：2023-03-02

Applicant: 常州京信新一代信息技术研究院有限公司 ,  北京理工大学

Inventor： 忻向军 ,  姚海鹏 ,  张琦 ,  吴迪 ,  高然 ,  刘欣雨

IPC: H04L27/34 ,  H04L25/03 ,  H04B10/2507

Abstract: 本发明涉及光纤通信领域，具体涉及一种基于聚类的概率整形信号的判决方法，本方法包括：获取待判决的概率整形M‑QAM信号数据集；搜寻并确定每一个概率整形M‑QAM信号数据点的最k近邻概率整形M‑QAM信号数据点，并计算各概率整形M‑QAM信号数据点与其对应的最k近邻概率整形M‑QAM信号数据点构成的角度方差；通过比较各概率整形M‑QAM信号数据点的角度方差与预设的角度方差阈值，将各概率整形M‑QAM信号数据点划分为内部点或边界点；设置内部点划分规则和边界点归属规则，以将概率整形M‑QAM信号数据集划分为M个簇；根据概率整形M‑QAM信号数据集划分为M个簇的聚类结果，完成每个概率整形M‑QAM信号的有效判决；本方法可以对概率整形信号实现灵活准确的星座点判决，提升系统的传输性能。

公开(公告)号：CN116015458A

公开(公告)日：2023-04-25

申请号：CN202211595824.9

申请日：2022-12-12

Applicant: 北京理工大学 ,  北京邮电大学

Inventor： 周思彤 ,  高然 ,  刘欣雨 ,  忻向军 ,  常欢 ,  姜子韫 ,  王拥军 ,  张琦 ,  田清华 ,  田凤 ,  郭栋 ,  李志沛

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：CN114665971A

公开(公告)日：2022-06-24

申请号：CN202210275510.4

申请日：2022-03-21

Applicant: 北京理工大学 ,  北京邮电大学

Inventor： 常欢 ,  忻向军 ,  高然 ,  张琦 ,  张天皓 ,  周思彤 ,  郭栋 ,  王富 ,  李志沛 ,  刘欣雨 ,  于超 ,  田清华 ,  田凤

IPC: H04B10/50 ,  H04B10/556 ,  G06N3/00 ,  G06N3/12 ,  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：CN114039670A

公开(公告)日：2022-02-11

申请号：CN202111210109.4

申请日：2021-10-18

Applicant: 北京理工大学 ,  北京邮电大学 ,  中国五洲工程设计集团有限公司 ,  中兵勘察设计研究院有限公司

Inventor： 高然 ,  王斐 ,  忻向军 ,  刘卫华 ,  齐安乐 ,  张琦 ,  田清华 ,  田凤 ,  王拥军 ,  常欢 ,  周思彤 ,  李志沛 ,  王富 ,  郭栋 ,  于超 ,  刘欣雨 ,  崔奕 ,  许琦 ,  刘达

IPC: H04B10/516 ,  H04B10/61 ,  G06K9/62

Abstract: 本发明公开的一种模分复用通信系统非线性损伤补偿方法，属于光纤通信领域。本发明基于概率神经网络实现OAM通信系统PAM传输非线性补偿，将数据符号按记忆长度M分组，记忆长度M越长概率神经网络构建的OAM通信系统非线性模型更加逼近真实的OAM通信系统模型，根据OAM通信系统的记忆长度和误码率要求改变概率神经网络的样本形式，选用能够消除OAM通信系统非线性在时域对多个数据符号影响且兼顾补偿效率的样本形式，通过选用样本形式能够在具有更低补偿复杂度的同时能高效率恢复OAM系统中传输的数据符号，从而高精度高效率补偿非线性对OAM光通信系统的信息传输性能的影响，降低误码率。本发明能够节省算力，降低实际应用中的硬件配置要求。