-
公开(公告)号：CN106896448B
公开(公告)日：2019-05-21
申请号：CN201710129705.7
申请日：2017-03-07
Applicant: 华中科技大学
IPC: G02B6/293
Abstract: 本发明公开了一种窄带光学陷波滤波器，包括光源模块、光耦合器、第一SBS滤波模块、光功率调节模块和第二SBS滤波模块；光源模块产生泵浦光；光耦合器将泵浦光分为两束，分别作为两级滤波模块的泵浦光；第一SBS滤波模块对信号光进行陷波滤波，产生中间信号；光功率调节模块调整中间信号的光功率；第二SBS滤波模块对中间信号再次进行陷波滤波，实现信号光输出。本发明实现了信号光的二次滤波，进而可以获得隔离度更高、3dB带宽更窄的SBS陷波滤波器。
-
公开(公告)号：CN110118643A
公开(公告)日：2019-08-13
申请号：CN201910306123.0
申请日：2019-04-17
Applicant: 华中科技大学
IPC: G01M11/02
Abstract: 本发明公开了一种功率谱双特征参量提取的激光器线宽测量方法与装置。该方法包括：将待测激光分束，其中一束激光移频、另一束激光延时，将移频和延时后的两束激光合束，探测合束光的光电流并获取其功率谱；提取功率谱的特征参量：一阶包络峰值与谷值的功率差值、零阶极小值点与中心频率的频率差值；根据提取的特征参量计算待测激光的线宽值。该装置包括：光源模块将待测激光分为第一激光和第二激光；频移模块将第一激光移频；延时模块将第二激光延时；功率谱获取模块用于探测合束光的光电流并获取其功率谱；数据处理模块用于提取特征参量，计算待测激光的线宽值。本发明可以避免现有技术中延时光纤长度测量误差导致激光器线宽测量不准确的问题。
-
公开(公告)号：CN113472435B
公开(公告)日：2022-09-27
申请号：CN202110730757.6
申请日：2021-06-30
Applicant: 华中科技大学
Abstract: 本发明公开一种光信号调制参数和损伤因素同时提取的方法，属于光通信领域。方法包括：获取不同调制参数和损伤因素下的信号光谱，预处理后将其作为训练集；将训练集作为输入，训练多任务卷积神经网络模型，所述多任务卷积神经网络模型通过共享卷积层和池化层所提取的信号光谱信息，针对不同任务，将特定的激活函数和神经元相连接；将所需分析的信号光谱输入至训练完成的多任务卷积神经网络模型，对多个光信号调制参数和损伤因素同时进行提取。
-
Patent Agency Ranking
公开(公告)号：CN110118643B
公开(公告)日：2020-10-16
申请号：CN201910306123.0
申请日：2019-04-17
Applicant: 华中科技大学
IPC: G01M11/02
Abstract: 本发明公开了一种功率谱双特征参量提取的激光器线宽测量方法与装置。该方法包括：将待测激光分束，其中一束激光移频、另一束激光延时，将移频和延时后的两束激光合束，探测合束光的光电流并获取其功率谱；提取功率谱的特征参量：一阶包络峰值与谷值的功率差值、零阶极小值点与中心频率的频率差值；根据提取的特征参量计算待测激光的线宽值。该装置包括：光源模块将待测激光分为第一激光和第二激光；频移模块将第一激光移频；延时模块将第二激光延时；功率谱获取模块用于探测合束光的光电流并获取其功率谱；数据处理模块用于提取特征参量，计算待测激光的线宽值。本发明可以避免现有技术中延时光纤长度测量误差导致激光器线宽测量不准确的问题。
-
公开(公告)号：CN106896448A
公开(公告)日：2017-06-27
申请号：CN201710129705.7
申请日：2017-03-07
Applicant: 华中科技大学
IPC: G02B6/293
CPC classification number: G02B6/29338
Abstract: 本发明公开了一种窄带光学陷波滤波器，包括光源模块、光耦合器、第一SBS滤波模块、光功率调节模块和第二SBS滤波模块；光源模块产生泵浦光；光耦合器将泵浦光分为两束，分别作为两级滤波模块的泵浦光；第一SBS滤波模块对信号光进行陷波滤波，产生中间信号；光功率调节模块调整中间信号的光功率；第二SBS滤波模块对中间信号再次进行陷波滤波，实现信号光输出。本发明实现了信号光的二次滤波，进而可以获得隔离度更高、3dB带宽更窄的SBS陷波滤波器。
-
公开(公告)号：CN113472435A
公开(公告)日：2021-10-01
申请号：CN202110730757.6
申请日：2021-06-30
Applicant: 华中科技大学
Abstract: 本发明公开一种光信号调制参数和损伤因素同时提取的方法，属于光通信领域。方法包括：获取不同调制参数和损伤因素下的信号光谱，预处理后将其作为训练集；将训练集作为输入，训练多任务卷积神经网络模型，所述多任务卷积神经网络模型通过共享卷积层和池化层所提取的信号光谱信息，针对不同任务，将特定的激活函数和神经元相连接；将所需分析的信号光谱输入至训练完成的多任务卷积神经网络模型，对多个光信号调制参数和损伤因素同时进行提取。
-
公开(公告)号：CN112819179B
公开(公告)日：2022-05-24
申请号：CN202110125270.5
申请日：2021-01-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种光信号调制参数提取模型的构建方法及其应用，属于光纤通信技术领域，包括：分别采用不同调制参数对单通道光信号进行调制，同时引入不同的损伤因素，得到具有不同调制参数和不同损伤因素的单通道光信号；生成单通道光信号的超高分辨率光谱，得到单通道光信号超高分辨率光谱样本集；对单通道光信号超高分辨率光谱样本集中的各样本进行特征提取形成训练特征向量集；以训练特征向量集为输入，训练特征向量集中的各特征向量所对应的调制参数为输出训练机器学习模型，得到光信号调制参数提取模型，该模型提取信号调制参数的准确性较高；本发明在信号受损伤较为严重时仍能准确提取调制参数，适用性较强。
-
公开(公告)号：CN112819179A
公开(公告)日：2021-05-18
申请号：CN202110125270.5
申请日：2021-01-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种光信号调制参数提取模型的构建方法及其应用，属于光纤通信技术领域，包括：分别采用不同调制参数对单通道光信号进行调制，同时引入不同的损伤因素，得到具有不同调制参数和不同损伤因素的单通道光信号；生成单通道光信号的超高分辨率光谱，得到单通道光信号超高分辨率光谱样本集；对单通道光信号超高分辨率光谱样本集中的各样本进行特征提取形成训练特征向量集；以训练特征向量集为输入，训练特征向量集中的各特征向量所对应的调制参数为输出训练机器学习模型，得到光信号调制参数提取模型，该模型提取信号调制参数的准确性较高；本发明在信号受损伤较为严重时仍能准确提取调制参数，适用性较强。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
