[發明專利]一種多跨光纖傳輸信號預測系統的訓練方法及裝置

在審

• 申請號: 202210228546.7
• 申請日: 2022-03-09
• 公開（公告）號: CN114647976A
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 陳宏偉;臧裕斌
• 申請（專利權）人: 清華大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 周天宇

本公開提供了一種多跨光纖傳輸信號預測系統的訓練方法，多跨光纖傳輸信號預測系統包括N個級聯的光纖傳輸信號預測模型，N大于等于2，包括：獲取初始光纖信號以及N個標簽信號；將初始光纖信號與N個標簽信號進行歸一化處理，得到歸一化后的模型輸入信號與歸一化后的標簽信號；構建模型輸入信號的三維張量及歸一化后的標簽信號的二維張量，得到三維模型輸入數據與二維標簽數據；以及使用部分三維模型輸入數據及二維標簽數據作為訓練數據來依次訓練N個級聯的光纖傳輸信號預測模型。本公開還提供了光纖傳輸信號的預測方法、裝置、電子設備、存儲介質及計算機程序產品。

技術領域

本公開涉及遠距離光纖通信與機器學習技術領域，具體涉及一種多跨光纖傳輸信號預測系統的訓練方法、預測方法、裝置、電子設備、存儲介質及程序產品。

背景技術

中長距離光纖傳輸指代傳輸距離達500km及其以上的光纖傳輸系統。對于遠距離光纖通信系統及其模型的研究廣泛應用于以光纖作為傳輸介質的城域網、廣域網的骨干通信線路以及超長距離的跨洋光纖通信線路。長期以來，由于中長距離光纖傳輸系統的傳輸距離較長，非線性和色散效應的積累十分嚴重，從而使得傳輸信號的預測較為困難。除此之外，傳統信號預測模型所采用的分步傅里葉算法也使得即使預測一次傳輸信號也需要耗費相當長的計算時間。

發明內容

為解決現有技術中存在的問題，本公開實施例提供的一種多跨光纖傳輸信號預測系統的訓練方法、預測方法、裝置、電子設備、存儲介質及程序產品，通過結合神經網絡結構，旨在解決提高模型訓練效率及模型預測性能的技術問題。

本公開的第一個方面提供了一種多跨光纖傳輸信號預測系統的訓練方法，該多跨光纖傳輸信號預測系統包括N個級聯的光纖傳輸信號預測模型，N大于等于2，包括：獲取初始光纖信號以及N個標簽信號；將初始光纖信號與N個標簽信號進行歸一化處理，得到歸一化后的模型輸入信號與歸一化后的標簽信號；構建模型輸入信號的三維張量及歸一化后的標簽信號的二維張量，得到三維模型輸入數據與二維標簽數據；以及使用部分三維模型輸入數據及二維標簽數據作為訓練數據來依次訓練N個級聯的光纖傳輸信號預測模型。

進一步地，使用部分三維模型輸入數據及二維標簽數據作為訓練數據來依次訓練N個級聯的光纖傳輸信號預測模型，包括：設置N個級聯的光纖傳輸信號預測模型的初始訓練參數，其中，初始訓練參數包括預置模型數目；其中，預置模型數目為N；將部分三維模型輸入數據及二維標簽數據輸入至N個級聯的光纖傳輸信號預測模型中進行訓練；其中，N個級聯的光纖傳輸信號預測模型按照級聯順序依次進行訓練，第k級的光纖傳輸信號預測模型的輸出信號作為第k+1級的光纖傳輸信號預測模型的輸入信號，k小于N；判斷N個級聯的光纖傳輸信號預測模型中已完成訓練的模塊數目是否等于預置模型數目；若是，結束訓練，并固定N個級聯的光纖傳輸信號預測模型訓練后的模型參數；否則，設置N個級聯的光纖傳輸信號預測模型中未完成訓練模型的最大迭代參數及最小損失函數數值，并開始未完成模型的依次訓練。

進一步地，設置N個級聯的光纖傳輸信號預測模型中未完成訓練模型的最大迭代參數及最小損失函數數值，并開始未完成模型的依次訓練，包括：設置未完成訓練模型的最大迭代參數及最小損失函數數值，并開始未完成訓練模型依次訓練；判斷未完成訓練模型中第一級光纖傳輸信號預測模型的當前迭代的代數是否大于最大迭代參數或是否小于最小損失函數數值；若是，結束第一級光纖傳輸信號預測模型迭代，固定光纖傳輸信號預測模型訓練后的模型參數，并將該第一級光纖傳輸信號預測模型的輸出信號通過歸一化及數據格式轉換處理后，輸入至與其連接的第二級光纖傳輸信號預測模型中進行模型訓練；以此類推下去，直至未完成訓練模型中的所有模型訓練完成。

進一步地，初始光纖信號與N個標簽信號均為復數信號，其中，將初始光纖信號與N個標簽信號進行歸一化處理，得到歸一化后的模型輸入信號與歸一化后的標簽信號，包括：將初始光纖信號與N個標簽信號除以與其相應的模的最大值，并分別求取初始光纖信號與N個標簽信號的實部與虛部，得到歸一化后的模型輸入信號與歸一化后的標簽信號。