公开(公告)号：CN114844749B

公开(公告)日：2023-06-09

申请号：CN202210446536.0

申请日：2022-04-26

Applicant: 电子科技大学

Inventor： 赵雪 ,  张静 ,  周家豪 ,  徐滔 ,  许渤 ,  邱昆

IPC: H04L25/02 ,  H04L25/03 ,  H04B10/25 ,  H04B10/516

Abstract: 本发明提供一种基于神经网络的光纤信道估计方法，包括：训练步骤：通过传输导频符号所生成导频子载波的信道响应与数据子载波的信道响应的训练序列对使得神经网络收敛从而拟合权重矩阵完成用于信道估计的神经网络的训练；信道估计步骤：对当前从光纤信道中接收到的经过均衡处理后的已调符号采用最小二乘估计法得到导频子载波的信道响应；将导频子载波的信道响应输入用于信道估计的神经网络完成光纤信道估计。本发明采用机器学习来代替传统求解权重矩阵的复杂过程，得到一种实时性好、精度高、复杂度低的光纤通信信道估计方法。均衡处理时使神经网络来完成码间串扰与非线性消除处理，更精确地实现基于神经网络的信道估计。

公开(公告)号：CN114844749A

公开(公告)日：2022-08-02

申请号：CN202210446536.0

申请日：2022-04-26

Applicant: 电子科技大学

Inventor： 赵雪 ,  张静 ,  周家豪 ,  徐滔 ,  许渤 ,  邱昆

IPC: H04L25/02 ,  H04L25/03 ,  H04B10/25 ,  H04B10/516

Abstract: 本发明提供一种基于神经网络的光纤信道估计方法，包括：训练步骤：通过传输导频符号所生成导频子载波的信道响应与数据子载波的信道响应的训练序列对使得神经网络收敛从而拟合权重矩阵完成用于信道估计的神经网络的训练；信道估计步骤：对当前从光纤信道中接收到的经过均衡处理后的已调符号采用最小二乘估计法得到导频子载波的信道响应；将导频子载波的信道响应输入用于信道估计的神经网络完成光纤信道估计。本发明采用机器学习来代替传统求解权重矩阵的复杂过程，得到一种实时性好、精度高、复杂度低的光纤通信信道估计方法。均衡处理时使神经网络来完成码间串扰与非线性消除处理，更精确地实现基于神经网络的信道估计。

公开(公告)号：CN111970050B

公开(公告)日：2022-03-15

申请号：CN202010672594.6

申请日：2020-07-14

Applicant: 电子科技大学

Inventor： 李远剑 ,  张静 ,  张婉婷 ,  徐滔 ,  邱昆

IPC: H04B10/079 ,  H04L27/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于异常检测的联合监测调制格式和光信噪比的系统，包括两级级联网络，第一级网络包括预处理模块、熵运算模块、调制格式识别网络以及异常检测网络，第二级网络包括光信噪比预测网络，针对现有级联网络结构的缺陷，通过使用异常监测算法的异常检测网络对第一级网络的数据统计特征进行监控，能够监控出一级网络中识别有误的情况，进而对这些错误估计重新处理，保证进入二级网络的标签都是准确的标签，能自动监控误差传递，提高级联结构检测精度。可用于网络中间节点、光谱仪、光性能检测器等可以将信号采样进而进行统计特性分析的模块，进而嵌入到设备中进行智能信号分析和光学性能检测。

公开(公告)号：CN111970050A

公开(公告)日：2020-11-20

申请号：CN202010672594.6

申请日：2020-07-14

Applicant: 电子科技大学

Inventor： 李远剑 ,  张静 ,  张婉婷 ,  徐滔 ,  邱昆

IPC: H04B10/079 ,  H04L27/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于异常检测的联合监测调制格式和光信噪比的系统，包括两级级联网络，第一级网络包括预处理模块、熵运算模块、调制格式识别网络以及异常检测网络，第二级网络包括光信噪比预测网络，针对现有级联网络结构的缺陷，通过使用异常监测算法的异常检测网络对第一级网络的数据统计特征进行监控，能够监控出一级网络中识别有误的情况，进而对这些错误估计重新处理，保证进入二级网络的标签都是准确的标签，能自动监控误差传递，提高级联结构检测精度。可用于网络中间节点、光谱仪、光性能检测器等可以将信号采样进而进行统计特性分析的模块，进而嵌入到设备中进行智能信号分析和光学性能检测。