一种针对随机特性的贝叶斯神经网络非线性均衡方法

    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

    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。

    基于DBSCAN和DW-KNN的信道均衡方法及系统

    公开(公告)号:CN114077868A

    公开(公告)日:2022-02-22

    申请号:CN202111386513.7

    申请日:2021-11-22

    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