一种无源光网络的噪声整形方法
    3.
    发明公开

    公开(公告)号:CN119728351A

    公开(公告)日:2025-03-28

    申请号:CN202411547457.4

    申请日:2024-11-01

    Abstract: 本发明公开的一种无源光网络的噪声整形方法,属于光纤通信领域。本发明实现方法为:通过自动编码器的编码器生成噪声整形滤波器的抽头系数,应用于信号传输前的噪声整形处理。在发送端,将随机产生的符号序列转换成比特序列并映射到对应的星座点,经过调制后得到调制信号;调制信号通过噪声整形滤波器对量化噪声重新分配,再发送至信道中;在接收端,接收信号经过解调后,通过自动编码器的解码器还原为对数似然比的形式,用于计算损失函数,更新神经网络权值。在自动编码器的迭代训练过程中不断更新生成的噪声整形滤波器,训练得到适合给定传输信道的噪声整形滤波器。根据噪声整形滤波实现无源光网络的噪声整形。本发明具有计算复杂度和处理延迟低、信道适应能力强的优点。

    低信噪比环境下宽带无线传输的时域分散调制解调方法

    公开(公告)号:CN118631627A

    公开(公告)日:2024-09-10

    申请号:CN202410754576.0

    申请日:2024-06-12

    Abstract: 本发明公开的低信噪比环境下宽带无线传输的时域分散调制解调方法,属于通信技术领域。本发明实现方法为:发送端采用深度学习将基带数据信号调制到微波载波上,通过数模转换器生成微波中频信号。调制后的微波中频信号通过高频器件变频器转换为毫米波信号,并通过天线发射。在接收端,天线接收到的毫米波信号首先通过毫米波微波变频器再次转换为微波中频信号。利用模数转换器对该微波中频信号进行采样,并输入到用于将空口接收到的包含多元时间序列相位变化的射频信号转换为解调后信息比特概率向量的深度学习模型,在基于深度学习模型实现时域分散解调器中进行解调处理,恢复出原始的数据信号,实现低信噪比环境下宽带无线传输的时域分散调制解调。

Patent Agency Ranking