一种抗模式耦合少模信号复杂格式解析方法及装置

    公开(公告)号:CN113626960B

    公开(公告)日:2022-06-14

    申请号:CN202110863514.X

    申请日:2021-07-29

    Abstract: 本发明公开一种抗模式耦合少模信号复杂格式解析方法及装置,针对基于少模光纤的弹性光网络调制格式识别效果差、训练成本高问题,通过领域自适应理论,把波分复用技术作为源域,把模分复用技术当作目标域。将受激拉曼散射效应类比于模式耦合效应,让神经网络学习到能量迁移的规律。相对比于重新训练的网络模型,该方法可以仅需要少量的少模数据就可以实现少模信号的调制格式识别,显著降低神经网络的训练成本,加快网络模型的收敛速度,减少模型训练时间与计算复杂度。同时,借助迁移学习的理论优势,该网络具有更好的泛化能力和识别性能,可以适应少模光纤中的模式耦合对于调制格式的影响,实现少模光网络的调制格式识别任务。

    一种抗模式耦合少模信号复杂格式解析方法及装置

    公开(公告)号:CN113626960A

    公开(公告)日:2021-11-09

    申请号:CN202110863514.X

    申请日:2021-07-29

    Abstract: 本发明公开一种抗模式耦合少模信号复杂格式解析方法及装置,针对基于少模光纤的弹性光网络调制格式识别效果差、训练成本高问题,通过领域自适应理论,把波分复用技术作为源域,把模分复用技术当作目标域。将受激拉曼散射效应类比于模式耦合效应,让神经网络学习到能量迁移的规律。相对比于重新训练的网络模型,该方法可以仅需要少量的少模数据就可以实现少模信号的调制格式识别,显著降低神经网络的训练成本,加快网络模型的收敛速度,减少模型训练时间与计算复杂度。同时,借助迁移学习的理论优势,该网络具有更好的泛化能力和识别性能,可以适应少模光纤中的模式耦合对于调制格式的影响,实现少模光网络的调制格式识别任务。

    一种基于高维信息特征提取的复杂格式解析方法

    公开(公告)号:CN112565133B

    公开(公告)日:2021-05-28

    申请号:CN202110213661.2

    申请日:2021-02-26

    Abstract: 本发明公开了一种基于高维信息特征提取的复杂格式解析方法,属于光通信技术领域,将偏振复用的相干光系统中传输的光信号映射在斯托克斯空间之中,得到高维的信号分类特征。再利用机器学习中线性判别分析的方法,对高维的信号特征进行降维和分类,使用极大似然函数估计的方式得到信息的分类预测结果。实现偏振复用的相干光通信系统中信号调制格式的识别,识别效率高、处理速度快、结果正确率高。本发明提出的调制格式识别方案,在信号特征的提取阶段将色散、偏振相关损耗等影响因素对传输信号的影响尽可能的减小,降低了算法复杂性和信号质量不确定性。同时使用线性判别分析同时处理多路信号的调制格式识别。

    一种基于高维信息特征提取的复杂格式解析方法

    公开(公告)号:CN112565133A

    公开(公告)日:2021-03-26

    申请号:CN202110213661.2

    申请日:2021-02-26

    Abstract: 本发明公开了一种基于高维信息特征提取的复杂格式解析方法,属于光通信技术领域,将偏振复用的相干光系统中传输的光信号映射在斯托克斯空间之中,得到高维的信号分类特征。再利用机器学习中线性判别分析的方法,对高维的信号特征进行降维和分类,使用极大似然函数估计的方式得到信息的分类预测结果。实现偏振复用的相干光通信系统中信号调制格式的识别,识别效率高、处理速度快、结果正确率高。本发明提出的调制格式识别方案,在信号特征的提取阶段将色散、偏振相关损耗等影响因素对传输信号的影响尽可能的减小,降低了算法复杂性和信号质量不确定性。同时使用线性判别分析同时处理多路信号的调制格式识别。

    一种基于可变自编码器的信道匹配非网格化编码调制方法

    公开(公告)号:CN115955279B

    公开(公告)日:2023-06-02

    申请号:CN202310242421.4

    申请日:2023-03-14

    Abstract: 本发明公开了一种基于可变自编码器的信道匹配非网格化编码调制方法,包括:获取非网格化信号输入预训练的可变自编码器,基于其星座的几何位置和分布概率进行几何概率编码,生成多维参量,输入预置的非线性的仿真光纤信道;经非线性的仿真光纤信道后进入同构的可变自解码器,计算传输链路的广义互信息;进行广义互信息判断,若当前信号星座分布为信道匹配的最优非网格化星座分布或多维参量的迭代次数达到预设值,则输出当前信号。本发明借助可变自编码器实现概率成形和几何成形的混合成形方案,根据信道反馈智能迭代出信道匹配的最优成形方案,实现链路广义互信息的最大化,最终完成信道匹配的非网格化信号编码调制过程。

    一种基于可变自编码器的信道匹配非网格化编码调制方法

    公开(公告)号:CN115955279A

    公开(公告)日:2023-04-11

    申请号:CN202310242421.4

    申请日:2023-03-14

    Abstract: 本发明公开了一种基于可变自编码器的信道匹配非网格化编码调制方法,包括:获取非网格化信号输入预训练的可变自编码器,基于其星座的几何位置和分布概率进行几何概率编码,生成多维参量,输入预置的非线性的仿真光纤信道;经非线性的仿真光纤信道后进入同构的可变自解码器,计算传输链路的广义互信息;进行广义互信息判断,若当前信号星座分布为信道匹配的最优非网格化星座分布或多维参量的迭代次数达到预设值,则输出当前信号。本发明借助可变自编码器实现概率成形和几何成形的混合成形方案,根据信道反馈智能迭代出信道匹配的最优成形方案,实现链路广义互信息的最大化,最终完成信道匹配的非网格化信号编码调制过程。

    一种空分复用信号光性能监测方法及系统

    公开(公告)号:CN114358061A

    公开(公告)日:2022-04-15

    申请号:CN202111577464.5

    申请日:2021-12-22

    Abstract: 本发明公开了光性能监测领域的一种空分复用信号光性能监测方法及系统,包括:由各光性能监测任务的信道中获取特征信息,构建训练数据集;利用训练数据集以多种方式训练神经网络模型光性能的监测能力,将训练后的神经网络模型作为教师模型;由教师模型中获取各信道对应的软目标集合,根据信道的温度T计算得到各软目标集合的权重,利用赋予权重的软目标集合训练学生模型;收集到待检测信道的信号特征并输入给学生模型,获取信道性能监测结果;本发明实现只用一个轻量级的神经网络模型即可实现空分复用光纤中所有信道的光性能监测任务。

Patent Agency Ranking