一种基于自学习数字反向传播算法的色散和光纤非线性均衡方法

    公开(公告)号:CN117997429A

    公开(公告)日:2024-05-07

    申请号:CN202211357359.5

    申请日:2022-11-01

    Abstract: 本发明公开一种基于自学习数字反向传播算法的色散和光纤非线性均衡方法,首先将传统数字反向传播算法的线性步骤当作神经网络的权重矩阵,将传统数字反向传播算法的非线性步骤当作神经网络的激活函数;再使用Wirtinger导数对自学习数字反向传播算法实现超参数更新;然后通过自学习数字反向传播算法更新的超参数进行前向传播和数字信号处理,生成该传输链路的网络模型,并在执行阶段得到该模型的色散和非线性损伤值;最后利用自学习数字反向传播算法迭代出的色散和非线性损伤值,与自学习数字反向传播算法的标签值来计算系统的误码率和信噪比,从而得到系统的色散和非线性补偿方案性能。本发明通过神经网络对色散和光纤非线性损伤进行均衡处理,并且进一步的优化DBP的参数,自适应的获得系统的最优参数,建立更好的网络模型,能够准确的预测色散和光纤非线性损伤,并且只依赖于接收到的数据来模拟传输模型,可以在预先不知道链路参数的情况下工作,具有普适性。

    一种基于MA-DBP算法的光纤非线性均衡方法

    公开(公告)号:CN113595641B

    公开(公告)日:2022-05-17

    申请号:CN202110835603.3

    申请日:2021-07-23

    Abstract: 本发明公开了一种基于MA‑DBP算法的光纤非线性均衡方法,首先构建PDM‑16QAM的长距离光传输系统,从系统的接收端获取实验数据,再将改进型的非线性步长作为数字信号处理中数字反向传播算法的步长,并将基于改进型级联多模算法的Godard’s error作为代价函数,再利用斐波那契搜索算法来搜索出代价函数中对应的最优的光纤非线性系数,最后根据最优的光纤非线性系数进行非线性补偿。本发明利用改进型的级联多模算法实现偏振解复用,并且在数字反向传播运算中采用了非线性步长。该方案不仅可以适用于QAM调制信号,还可以自适应的搜索出系统最优的光纤非线性系数,使得非线性补偿的性能达到最优,并且该方案的计算复杂度也是较低的。

    一种基于MA-DBP算法的光纤非线性均衡方法

    公开(公告)号:CN113595641A

    公开(公告)日:2021-11-02

    申请号:CN202110835603.3

    申请日:2021-07-23

    Abstract: 本发明公开了一种基于MA‑DBP算法的光纤非线性均衡方法,首先构建PDM‑16QAM的长距离光传输系统,从系统的接收端获取实验数据,再将改进型的非线性步长作为数字信号处理中数字反向传播算法的步长,并将基于改进型级联多模算法的Godard’s error作为代价函数,再利用斐波那契搜索算法来搜索出代价函数中对应的最优的光纤非线性系数,最后根据最优的光纤非线性系数进行非线性补偿。本发明利用改进型的级联多模算法实现偏振解复用,并且在数字反向传播运算中采用了非线性步长。该方案不仅可以适用于QAM调制信号,还可以自适应的搜索出系统最优的光纤非线性系数,使得非线性补偿的性能达到最优,并且该方案的计算复杂度也是较低的。

Patent Agency Ranking