[發明專利]一種低速相干探測和神經網絡估計光纖色散的裝置與方法

有效

• 申請號: 201811477380.2
• 申請日: 2018-12-05
• 公開（公告）號: CN109379132B
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 楊愛英;郭少健
• 申請（專利權）人: 北京理工大學
• 主分類號: H04B10/079
• 分類號: H04B10/079
• 代理公司: 北京理工正陽知識產權代理事務所(普通合伙) 11639
• 代理人: 唐華

1.一種低速相干探測和神經網絡估計光纖色散的方法，所依托的光纖色散裝置，包括低速相干探測單元，數據預處理單元，數據集分類單元以及神經網絡單元；其中，低速相干探測單元包括本振激光，低速光電探測器以及低速模數轉換器；所述裝置中各單元的連接關系如下：低速相干探測單元與數據預處理單元相連，數據預處理單元與數據集分類單元相連，數據集分類單元與神經網絡單元相連；其特征在于：

步驟1：用低速探測單元對經過光纖鏈路傳輸后的光信號進行低速探測，經過數據預處理單元產生數據集，并用數據集分類單元將數據集劃分為訓練集以及測試集；

步驟1包括如下子步驟：

步驟1.1：利用低速相干探測單元對經過不同條件的光纖鏈路傳輸后的光信號進行低速探測，得到不同傳輸條件下的I、Q路離散數字序列，并構建成數據集；

其中，不同的條件指的是光數字信號的隨機種子數、光信噪比(OSNR)、光發射功率以及傳輸跨段數；

步驟1.2：利用數據預處理單元對數據集進行預處理；

步驟1.3：利用數據集分類單元將數據集分為訓練集與測試集；

其中，訓練集的占比以使訓練的神經網絡的損失函數值小于設定的閾值為準；

步驟2：構建神經網絡單元，設置神經網絡參數，并用步驟1中產生的訓練集訓練構建的神經網絡，具體包括如下子步驟：

步驟2.1構建神經網絡單元并設置神經網絡參數；

其中，神經網絡參數有隱藏層層數、每層神經元個數以及各層激活函數；輸入層神經元個數N為步驟1.2中經過數據預處理單元處理之后的數據長度；輸出層神經元個數M為可能的參考色散值的數目，即光纖跨段的取值數；

其中，輸出層的激活函數為Softmax，Softmax的歸一化公式由(1)表征：

其中，S_j為輸出層第j個神經元經過Softmax函數變換之后的輸出，α_j為Softmax變換之前第j個神經元的輸出，M為輸出層神經元個數；對輸出進行歸一化，這樣最后的輸出S_j，j＝1,2…M,該M個神經元值S_j相加為1，分別等于每個參考色散值的概率；

其中，設置隱藏層參數時，對于QPSK和16QAM信號，由于16QAM具有更高的調制格式，因此16QAM調制格式的隱藏層層數和隱藏層神經元個數均多于QPSK調制格式；各層激活函數均為Relu函數；并在隱藏層中加入Dropout以及L1、L2正則化，用于防止過擬合；

步驟2.2：將步驟1中劃分好的訓練集，用于訓練步驟2.1中構建的神經網絡單元；

其中，神經網絡單元的訓練過程中，網絡參數在每次訓練中隨機初始化；損失函數采用Softmax交叉熵；并采用Adam優化算法的梯度下降法來訓練網絡；

步驟3：將步驟2中訓練好的神經網絡單元，用于估計步驟1中劃分好的測試集的色散，其估計方法為用神經網絡單元的輸出與參考色散進行加權平均；

其中，將步驟1中劃分好的測試集數據輸入神經網絡單元之后，得到該數據對應的色散等于每個參考色散值的概率；再用該概率與參考色散值進行加權平均，即得到最后估計的色散；可以由公式(2)表征：

其中，CD_esti為估計的色散值，S_j為色散等于第j個參考色散值的概率，CD_j為第j個參考色散值，M為輸出層神經元個數。

2.根據權利要求1所述的一種低速相干探測和神經網絡估計光纖色散的方法，其特征在于：步驟1.2中的預處理方法是對步驟1.1構建的數據集中的I、Q兩路數據分別進行從小到大排序，再進行組合，組合方式為兩路數據首尾相接，組合之后數據長度即為N；N為數據長度，是人為設定。

3.根據權利要求1所述的一種低速相干探測和神經網絡估計光纖色散的方法，其特征在于：步驟1.3中的閾值設為10^-4。