[發明專利]一種基于IPCA-DNN算法的光纖非線性均衡方法

有效

• 申請號: 202110540032.0
• 申請日: 2021-05-18
• 公開（公告）號: CN113285758B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 蒙建宇;張洪波;張敏;蔡炬
• 申請（專利權）人: 成都信息工程大學
• 主分類號: H04B10/2557
• 分類號: H04B10/2557;G06N3/08;G06K9/62
• 代理公司: 成都禾創知家知識產權代理有限公司 51284
• 代理人: 劉凱

1.一種基于IPCA-DNN算法的光纖非線性均衡方法，其特征在于，包括以下步驟：

步驟1：用色散補償模塊來補償傳輸鏈路的線性損傷，然后計算信道內交叉相位調制和信道內四波混頻的三元組；

步驟2：通過改進型PCA算法與聚類分析結合對所述三元組進行數據預處理；

步驟3：通過神經網絡訓練預處理后的三元組，生成該傳輸鏈路的黑箱模型，并在執行階段得到該模型的非線性損傷值；

步驟4：利用神經網絡迭代出的非線性損傷值，與神經網絡的標簽值來計算系統的誤碼率，從而得到系統的非線性補償方案性能；

所述步驟2具體包括：

步驟21：對三元組各個變量均值化，即用三元組的原始數據除以相應的實部與虛部的均值；

設原始三元組數據為X＝(x_ij)_M×P，令

其中，x_ij和x′_ij分別表示原始三元組的第i行j列的元素和均值化后三元組的第i行j列的元素，M和P分別表示三元組數據的行數和列數；

得到均值化矩陣X′＝(x’_ij)_M×P；設X′的協方差矩陣為U＝(u_ij)_P×P，并且X′中各個向量的均值為1，所以：

步驟22：按照貢獻率的大小選擇前K個主成分，并計算此時主成分的貢獻率；

步驟23：對所選定的新數據進行聚類分析，并以第一主成分貢獻率的均值來確定；

步驟24：根據聚類中包含的主成分來確定三元組的數據集。

2.根據權利要求1所述的基于IPCA-DNN算法的光纖非線性均衡方法，其特征在于，所述步驟1中三元組的計算和選擇過程包括：

用Manakov方程分析光纖通信鏈路中雙偏光場的非線性薛定諤方程，得到光纖非線性擾動：

其中，ΔA_x和ΔA_y分別為X偏振和Y偏振上的光纖非線性擾動；P₀是發射點處的脈沖峰值功率；X_n，Y_n分別表示在第n時刻接收到的符號序列X偏振和Y偏振的復振幅；m,n是與接收時刻對應的符號索引；C_m,n表示光纖的非線性系數；此時，三元組的計算公式為：

其中，T_x、T_y分別表示X偏振和Y偏振的三元組，X_m、Y_m分別表示在第m時刻接收到的符號序列X偏振和Y偏振的復振幅；和分別表示第m+n時刻接收到的符號序列X偏振和Y偏振的復振幅的共軛轉置；

建立三元組選擇的標準，確定三元組中貢獻最大的項；標準如下：

|mn|≤C (3a)

m,n∈[-L,+L] (3b)

式中，L是一個調節參數，其數值取決于信道儲存器的大小和約束條件；C是一個調節參數，用來平衡NLC的性能與計算復雜度。

3.根據權利要求1所述的基于IPCA-DNN算法的光纖非線性均衡方法，其特征在于，所述神經網絡包括輸入層、隱藏層和輸出層，且第2隱藏層之后還添加有概率為0.5的脫落層。

4.根據權利要求1所述的基于IPCA-DNN算法的光纖非線性均衡方法，其特征在于，所述神經網絡的標簽值為光纖的發送符號Tx_symbol與對應的接收符號Rx_symbol的差值。