[發明專利]一種基于傅立葉神經算子的光纖信道快速建模方法

有效

• 申請號: 202210083438.5
• 申請日: 2022-01-25
• 公開（公告）號: CN114499723B
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 閆連山;何星辰;蔣林;易安林;潘煒;羅斌
• 申請（專利權）人: 西南交通大學
• 主分類號: H04B17/391
• 分類號: H04B17/391;G06N3/04;G06N3/08
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 卓仲陽

1.一種基于傅立葉神經算子的光纖信道快速建模方法，其特征在于，首先基于傳統的分步傅立葉算法建立長距離光信號傳輸仿真系統，獲取由輸入信號與各跨段的輸出信號組成的訓練對；隨后利用神經網絡構建傅立葉神經算子；最后利用訓練數據對傅立葉神經算子的權重參數進行迭代更新以完成對映射的逼近，具體包括以下步驟：

步驟1：生成神經網絡數據集；

S11：生成二進制比特流b；

S12：將步驟S11中得到的比特流b按照格雷映射規則映射至對應星座圖，得到符號流s，隨后對符號流s進行上采樣以及升余弦脈沖成型得到發射信號x(t)；

S13：將發射信號x(t)送入光纖信道進行傳輸，光纖信道由N_span個跨段級聯而成，其中，第k個跨段的輸出信號記為y_k(t)；此處包含衰減、各階色散以及自相位調制的光纖信道由分步傅立葉算法精確模擬；

S14：將長序列對{x(t),y_k(t)}平均拆分為長度相等的n個子序列對并對其進行功率歸一化和數據增強處理；

S15：以一定比例將子序列對劃分為三份，分別作為訓練集、驗證集以及測試集；

步驟2：將每個跨段的光纖鏈路視為輸入信號函數空間到輸出信號函數空間的映射G_θ，并利用G_θ近似分步傅立葉算法達到光纖信道快速建模的目的，即這里G_θ由傅立葉神經算子定義為：

其中，是用以提升信號維度的線性算子，負責將信號映射至第一層高維表達空間h⁽⁰⁾；L代表隱藏層的層數；是將信號從最后一層高維空間h^(L)投影回原始1維空間的線性算子；代表算子的復合；是第l層隱藏層，其前向傳播過程表示為：

其中，σ是非線性激活函數；W^(l)代表第l個非線性隱藏層的時域卷積；是第l個非線性隱藏層的核積分算子；

步驟3：優化神經網絡參數W^(l),得到最優網絡權重；

S31：設置局部訓練超參數，即梯度優化函數、最大迭代步數、批處理大小、學習率以及局部損失函數；

梯度優化函數采用Adma優化器，一階矩估計的指數衰減因子設為0.9，二階矩估計的指數衰減因子設為0.999，權重衰減因子設置為10^-4；

最大迭代步數設為500，批處理大小設為100；

初始學習率設為0.05，隨著訓練的進行，迭代步數每增加50，學習率降低50％；

局部損失函數定義為：

其中，||·||₁代表L₁范數；

S32：設置全局訓練超參數，即最大迭代步數、批處理大小、學習率以及全局損失函數；

最大迭代步數設為3，批處理大小設為100；

學習率始終設為0.005；

全局損失函數定義為：

其中，N_span為整個光纖鏈路的跨段數；

S33：進行局部訓練，即使用第一個跨段的輸出信號y₁(t)和對網絡參數進行更新，采用驗證集數據計算每個迭代步數中的局部損失函數值，當其小于閾值q時，迭代終止并進行步驟S34，否則持續此訓練過程直至最大迭代步數；

S34：使用各個跨段的輸出信號對網絡參數進行更新，采用驗證集數據計算每個迭代步數中的全局損失函數值，直至最大迭代步數以完成整個訓練；由神經網絡定義的G_θ就精確建模了一個跨段的光纖信道；

步驟4：測試由神經網絡建模的光纖信道，將測試集中的所有輸入信號子序列送入由N_span個G_θ級聯而成的神經網絡，得到經由整個光纖鏈路傳輸后的信號。