[發(fā)明專利]光纖信道模型模擬方法、裝置、電子設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201911142143.5
• 申請日: 2019-11-20
• 公開（公告）號: CN110932809B
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計）人: 王丹石;張民;宋裕琛;李進;崔啟川;李鳴亮
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: H04B17/391
• 分類號: H04B17/391;H04B10/073;G06F30/20;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 楊明月

1.一種光纖信道模型模擬方法，其特征在于，包括：

獲取需光纖仿真?zhèn)鬏數(shù)男盘枖?shù)據(jù)；

將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述深度神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果，確定所述光纖長度的光纖信道輸出的信號數(shù)據(jù)；

其中，所述深度神經(jīng)網(wǎng)絡(luò)模型具體為雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型；

所述將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型之前，還包括：

獲取多個信號數(shù)據(jù)樣本，以及對應(yīng)的信號數(shù)據(jù)樣本在確定長度的光纖信道的信號傳輸結(jié)果數(shù)據(jù)；

將每個信號數(shù)據(jù)樣本對應(yīng)的傳輸前信號數(shù)據(jù)、光纖長度和信號傳輸結(jié)果數(shù)據(jù)的組合作為一個訓(xùn)練樣本，從而得到多個訓(xùn)練樣本，利用所述多個訓(xùn)練樣本對所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的光纖信道模型模擬方法，其特征在于，所述將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型之前，還包括：

按照預(yù)設(shè)的采樣率，對所述信號數(shù)據(jù)的每比特數(shù)據(jù)進行采樣；

相應(yīng)地，所述將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，具體為：

將按照預(yù)設(shè)的采樣率采樣后的信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求1所述的光纖信道模型模擬方法，其特征在于，所述將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，包括：

按照所述信號數(shù)據(jù)的時間序列，將所述信號數(shù)據(jù)的每比特數(shù)據(jù)和光纖長度的組合，經(jīng)輸入層分別輸入至雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型的正向LSTM層和反向LSTM層；

將正向LSTM層和反向LSTM層的輸出結(jié)果，共同輸入至全連接層，并從輸出層得到信號傳輸結(jié)果數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的光纖信道模型模擬方法，其特征在于，所述利用所述多個訓(xùn)練樣本對所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，包括：

將任意一個信號數(shù)據(jù)樣本的傳輸前信號數(shù)據(jù)和光纖長度，輸入至所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型，利用前向傳播算法，計算所述信號數(shù)據(jù)樣本在光纖長度下的信號傳輸結(jié)果數(shù)據(jù)；

基于反向傳播算法，更新所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)；

根據(jù)所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型的輸出與輸入的誤差，計算所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型的準確率，若所述準確率大于預(yù)設(shè)閾值或訓(xùn)練次數(shù)達到預(yù)設(shè)次數(shù)，則所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。

5.根據(jù)權(quán)利要求4所述的光纖信道模型模擬方法，其特征在于，所述反向傳播算法為基于梯度下降的反向傳播算法。

6.一種光纖信道模型模擬裝置，其特征在于，包括：

接收模塊，用于獲取需光纖仿真?zhèn)鬏數(shù)男盘枖?shù)據(jù)；

處理模塊，將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述深度神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果，確定所述光纖長度的光纖信道輸出的信號數(shù)據(jù)；其中，所述深度神經(jīng)網(wǎng)絡(luò)模型具體為雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型；

所述將所述信號數(shù)據(jù)和光纖長度，輸入至預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型之前，還包括：

獲取多個信號數(shù)據(jù)樣本，以及對應(yīng)的信號數(shù)據(jù)樣本在確定長度的光纖信道的信號傳輸結(jié)果數(shù)據(jù)；將每個信號數(shù)據(jù)樣本對應(yīng)的傳輸前信號數(shù)據(jù)、光纖長度和信號傳輸結(jié)果數(shù)據(jù)的組合作為一個訓(xùn)練樣本，從而得到多個訓(xùn)練樣本，利用所述多個訓(xùn)練樣本對所述雙向長短期記憶神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。

7.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1至5任一項所述光纖信道模型模擬方法的步驟。

8.一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至5任一項所述光纖信道模型模擬方法的步驟。