[發明專利]一種基于自進化優化BP神經網絡的非線性均衡補償方法

在審

• 申請號: 202110325125.1
• 申請日: 2021-03-26
• 公開（公告）號: CN113033781A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 劉博;忻向軍;任建新;毛雅亞;李明燁;王瑞春;沈磊;吳泳鋒;孫婷婷;趙立龍
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;H04B10/61
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 蘇良

1.一種基于自進化優化BP神經網絡的非線性均衡補償方法，其特征在于，包括如下步驟：

步驟1、確定BP神經網絡的拓撲結構；

步驟2、給權值和閾值分別賦[-1,1]的隨機數；

步驟3、根據隨機賦值得到的BP神經網絡的初始權值和閾值，用相干光傳輸系統的輸入數據作為BP神經網絡的輸入層數據x_n，經過相干光傳輸系統傳輸后的數據作為BP神經網絡的期望數據y_t，BP神經網絡通過初始權值和閾值生成的數據作為BP神經網絡的預測輸出數據y_n，然后對初始BP神經網絡的權值和閾值大小進行編碼，得到初始種群；

步驟4、通過自進化算法，搜尋BP神經網絡的一組適應度最高的權值和閾值，該自進化算法為BP神經網絡的訓練誤差；

首先，計算初始權值和閾值的適應度，適應度的計算公式為：該組權值和閾值在BP神經網絡中訓練得到的訓練誤差；然后，基于輪盤賭算法，即基于適應度比例的選擇策略，隨機選取兩組權值和閾值放進BP神經網絡中計算，并剔除兩組權值和閾值中相關程度較低的數值；接著，通過交叉操作將第k個權值和第j個權值進行設定幾率的隨機交叉對調，并計算適應度，將適應度低的一組剔除；最后，進行變異操作，以設定幾率選擇一個權值進行隨機進化，生成一個在邊界條件內的值，并計算適應度，最終得到一組適應度最高的權值和閾值；

步驟5、通過自進化算法得到一組適應度最高的權值和閾值后，放進BP神經網絡里進行最終的訓練，若滿足訓練精度要求，則訓練成功；若低于迭代次數要求，則將該閾值和權值進一步通過自進化算法進行演化，直到訓練精度達到要求，獲得最佳權值和閾值。

2.根據權利要求1所述的基于自進化優化BP神經網絡的非線性均衡補償方法，其特征在于，步驟1中，BP神經網絡的拓撲結構中，輸入層為1層，中間隱藏層為5層，輸出層為1層。

3.根據權利要求1所述的基于自進化優化BP神經網絡的非線性均衡補償方法，其特征在于，步驟2中，隨機數通過matlab中的rand函數生成。

4.根據權利要求1所述的基于自進化優化BP神經網絡的非線性均衡補償方法，其特征在于，步驟3中，編碼格式為將數字的每一位數都進行二進制編碼，并按十進制的數字順序進行排列，形成一組新的二進制編碼。

5.根據權利要求1所述的基于自進化優化BP神經網絡的非線性均衡補償方法，其特征在于，步驟4中，交叉操作中，交叉概率為0.3，即每次運算有30%的幾率將第k個權值和第j個權值進行隨機交叉對調；變異操作中，變異概率為0.3，即每次運算有30%的幾率選擇一個權值進行隨機進化。

6.根據權利要求1所述的基于自進化優化BP神經網絡的非線性均衡補償方法，其特征在于，步驟5中，訓練數據包括輸入端的傳輸信號的光載波強度和輸出端的人工均衡的最優化值，訓練數據為2000組并貼上對應的標簽，其中，1900組作為訓練集，剩下的100組作為驗證集；訓練迭代次數設置為100次。