-
公开(公告)号：CN112737547A
公开(公告)日：2021-04-30
申请号：CN202011507614.0
申请日：2020-12-18
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于卡尔曼滤波的信号补偿方法及装置，该方法包括：获取待处理光纤信号；通过对角化卡尔曼滤波器算法对所述待处理光纤信号进行最优估计，得到目标光纤信号；其中，所述对角化卡尔曼滤波器算法迭代过程中的协方差矩阵为对角矩阵。通过采用了对角矩阵的对角化卡尔曼滤波器算法，其对滤波过程中的协方差矩阵P进行对角化使其变为对角矩阵，在保证卡尔曼滤波算法性能的前提下大大降低矩阵运算的复杂度，因此通过对角化卡尔曼滤波器算法对所述待处理光纤信号进行最优估计，得到目标光纤信号的过程，能够极大的简化运算的复杂度，有效提高运算速度。
-
公开(公告)号：CN111191239A
公开(公告)日：2020-05-22
申请号：CN201911397865.5
申请日：2019-12-30
Abstract: 本发明实施例提供一种用于应用程序的进程检测方法及系统，该方法包括：根据安全日志内容，获取进程对应的可观测行为向量；将所述可观测行为向量转换为进程行为特征图；基于训练好的卷积神经网络模型，对所述进程行为特征图进行检测，得到所述进程的检测结果；所述训练好的卷积神经网络模型是由标记有正常进程标签的样本进程行为特征图和标记有恶意进程标签的进程行为特征图训练得到的。本发明实施例能够有效地识别出异常进程，弥补了现有通过人工技术识别异常进程准确率不高的缺陷，对不同类型的恶意进程均具有良好的适应性和较高的鲁棒性。
-
公开(公告)号：CN108365892B
公开(公告)日：2020-05-05
申请号：CN201810005058.3
申请日：2018-01-03
Applicant: 北京邮电大学
IPC: H04B10/25 , H04B10/516
Abstract: 本发明提供一种光纤通信传输系统中的信号补偿方法及装置。方法包括：S100，将初始光波分为X路偏振光和Y路偏振光；S101，获取概率QAM信号，并通过概率QAM信号，对X路偏振光进行调制，生成概率QAM调制信号；S102，将概率QAM调制信号与Y路偏振光合成为偏振复用信号后向信号接收端发送，以供信号接收端根据偏振复用信号，对损伤概率QAM调制信号进行补偿；其中，损伤概率QAM调制信号为概率QAM调制信号在光纤中历经偏振旋转RSOP损伤后生成的信号。本发明提供的方法及装置，在降低了系统对OSNR的需求的同时，对历经了RSOP损伤的损伤信号进行跟踪和补偿。相比于传统的RSOP均衡算法具有更好的灵活性，适用于未来数据中心互连的高速光纤通信网络系统。
-
公开(公告)号：CN107809282A
公开(公告)日：2018-03-16
申请号：CN201710953843.7
申请日：2017-10-13
IPC: H04B10/2569 , H04B10/2507 , H04J14/06
CPC classification number: H04B10/2569 , H04B10/2572 , H04J14/06
Abstract: 本发明提供一种相干光纤偏分复用系统中极端场景下的均衡方法及设备。所述方法包括：将具有偏振旋转RSOP与偏振模色散PMD联合效应的光纤信道进行分段构造，以获得先RSOP后PMD的等价两段结构的信号损伤模型；基于所述信号损伤模型，将经过光纤信道的损伤信号符号序列进行分窗截取，获取分窗信号；利用Kalman滤波器均衡算法对所述分窗信号的PMD损伤在频域进行PMD补偿，对所述分窗信号的RSOP损伤在时域进行RSOP补偿。本发明在RSOP的速度高达兆弧度每秒且PMD的差分群时延几倍于符号周期的情况下，完成信号的均衡补偿工作。误差向量幅度均远低于前向纠错容限，并随光信噪比变化表现良好。
-
公开(公告)号：CN103326782A
公开(公告)日：2013-09-25
申请号：CN201310184928.5
申请日：2013-05-17
Applicant: 北京邮电大学
IPC: H04B10/2557 , H04L27/38
Abstract: 本发明公开了一种提高多载波光源载噪比的方法，通过S1、在光放大器之后设置时延干涉仪；S2、入射到所述时延干涉仪的信号被分成强度相同的两路，一路为时延路，用于对信号附加时延，另一路为调相路，用于对信号附加相位；S3、所述时延路和所述调相路合并，通过选择合适的时延和相移实现对所有子载波中心频率处干涉相长和相邻子载波间中点频率处干涉相消。本发明提供的方法既适用于环路结构的多载波光源或光频梳，也适用于非环路结构的多载波光源或光频梳，使用时延干涉仪以达到抑制光放大器产生的放大自发辐射噪声的目的，提高载噪比，可以提高10-15dB，从而为更高速率的网络通信系统实用化提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN101877616B
公开(公告)日：2013-09-11
申请号：CN200910082786.5
申请日：2009-04-29
IPC: H04B10/2569
Abstract: 本发明实施例提供了一种对光通信中的偏振模色散进行补偿的装置和方法。该方法主要包括：检测光传输链路中的光信号的偏振态数据和光功率，根据所述光功率对所述偏振态数据进行调整，根据调整后的偏振态数据，计算得到光信号的偏振度值，根据该偏振度值调用作为搜索算法的基于抖动的粒子群优化算法，计算得到使所述光传输链路中的偏振度达到最大值时所对应的控制电压。利用所述控制电压，控制补偿单元，对所述光传输链路中的偏振模色散进行补偿。利用本发明，有效地提高了采集的偏振度信息的准确度，采用的搜索和跟踪算法不易陷入局部极值，并且搜索和跟踪时迭代的步数少，从而可以依据对光传输链路中的偏振模色算进行有效地补偿。
-
公开(公告)号：CN101477254B
公开(公告)日：2010-06-30
申请号：CN200910077212.9
申请日：2009-01-20
Applicant: 北京邮电大学
Abstract: 本发明属于一种兼有任意偏振态转化和稳定的方法及其装置，该方法和装置采用任意偏振态的入射光经过偏振控制器后偏振态发生改变，偏振检测仪监测改变后的偏振态，并将结果输出到数据处理单元，数据处理单元采用PSO算法搜索并跟踪要输出的目标偏振态，并将其反馈给偏振控制器以实现对入射光信号偏振态的转化或稳定控制。本发明既可以将任意的输入光信号的偏振态转化成所需的目标偏振态，也可以实现在线跟踪，将输入光信号的偏振态稳定在目标偏振态上，且应用可行，前景广泛。
-
公开(公告)号：CN118565534A
公开(公告)日：2024-08-30
申请号：CN202410541836.6
申请日：2024-04-30
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于马赫曾德尔干涉的光纤传感器及其测量方法，基于马赫曾德尔干涉的光纤传感器包括环形芯光纤、多模光纤、输入单模光纤和输出单模光纤；输入单模光纤、多模光纤、环形芯光纤和输出单模光纤依次熔接构成马赫曾德尔光纤传感结构，马赫曾德尔光纤传感结构将输入单模光纤中的基模能量输入多模光纤对应的多个光路中，多个光路中的光被耦合进环形芯光纤的纤芯和内外包层中，形成纤芯模和内外包层模，环形芯光纤的纤芯模和包层模发生干涉，形成干涉条纹对环境温度和待测物曲率进行测量，并且，通过熔接一段多模光纤充当耦合器能够产生较好的干涉效果，显著提高光纤传感器对于温度和曲率的测量灵敏度。
-
公开(公告)号：CN115996169A
公开(公告)日：2023-04-21
申请号：CN202211310740.6
申请日：2022-10-25
Applicant: 北京邮电大学 , 国网浙江省电力有限公司宁波供电公司 , 北京邮科科技有限公司 , 宁波送变电建设有限公司永耀科技分公司
Inventor： 芮兰兰 , 梁妤瑄 , 徐孝忠 , 安磊 , 刘鹏 , 李建刚 , 王猛 , 赵冰冰 , 朱一欣 , 吴笑 , 章立伟 , 吴忠平 , 喻琰 , 邵淦 , 娄一艇 , 王勇 , 叶明达 , 陈晓杰 , 陈迎阳 , 俞佳捷 , 吴昊 , 柳敏 , 任赟 , 张文博 , 费武 , 邹翔 , 黄志华 , 韦鹏 , 张佳凯
IPC: H04L41/0631 , H04L41/14
Abstract: 本发明实施例提供了一种网络故障分析方法、装置、电子设备及存储介质，该方法包括：基于获取的网络设备报警数据集和网络设备故障数据集，建立网络故障知识图谱，网络故障知识图谱包括：故障信息、报警信息，故障信息与报警信息之间的关联关系、任两个报警信息之间的关联关系或任两个故障信息之间的关联关系；基于网络故障知识图谱对预设GGNN模型进行训练，得到训练完成的GGNN模型；获取待分析网络信息，将待分析网络信息输入至训练完成的GGNN模型中进行故障分析，得到分析结果。从而能够充分分析出复杂的待分析网络信息中包含的故障信息或报警信息之间的关联关系，更准确的诊断出故障或者报警的原因，提高了故障分析的准确率。
-
公开(公告)号：CN111209567B
公开(公告)日：2022-05-03
申请号：CN201911397812.3
申请日：2019-12-30
Abstract: 本发明实施例提供一种提高检测模型鲁棒性的可知性判断方法及装置，该方法包括：获取待验证对象的特征向量与所有训练集样本特征向量的汉明距离最小值；若所述汉明距离的最小值大于预设汉明距离阈值，则所述待验证对象，对于以所述训练集训练的卷积神经网络模型为不可知的；其中，所述汉明距离阈值，根据测试集样本对训练后的卷积神经网络模型的测试结果，以及每一测试样本与每一训练样本的汉明距离分布得到。该方法实现过程简单，通过该汉明距离阈值，能够准确判断出待验证对象的可知性，能够有效避免因模型检测出错导致的失误。若不可知对象过多，说明模型检测效果不佳，该方法可以作为模型是否进行更新的指导。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.033 seconds)
