[發明專利]一種基于光學神經網絡的時域光信號處理方法及系統

在審

• 申請號: 202211192297.7
• 申請日: 2022-09-28
• 公開（公告）號: CN115514411A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 周俊鶴;嚴佳欣;蒲浩乾
• 申請（專利權）人: 同濟大學
• 主分類號: H04B10/07
• 分類號: H04B10/07;H04B10/079;H04B10/25
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 蔡彭君

本發明涉及一種基于光學神經網絡的時域光信號處理方法及系統，其中方法包括：獲取光路已準確連通的確認信號和經過編碼的混合時域光信號；構建光學神經網絡并進行訓練，所述光學神經網絡包括多個中間層，用于提取輸入的混合時域光信號的光學特征并進行分類，其中，所述中間層的結構包括依次連接的光學相位調制器，第一色散模塊，非線性激活模塊，第二色散模塊；訓練光學神經網絡，確定光學相位調制器的調節參數；將混合時域光信號對準光學相位調制器，調節光學相位調制器，使得其調制相位與訓練結果一致，完成時域信號的識別，得到分類完成的時域光信號。與現有技術相比，本發明具有適用于時域光信號處理、識別速度快等優點。

技術領域

本發明涉及光電子技術領域，尤其是涉及一種基于光學神經網絡的時域光信號處理方法及系統。

背景技術

對于光學神經網絡有多種不同的器件實現方法，例如基于光纖，基于馬赫曾德爾干涉儀，基于集成電路光芯片，基于D2NN結構等。其中的光學神經網絡基本都是對空間域的圖片數據轉換成光強或者光功率輸入網絡來進行處理，現有方案中沒有對光通信系統中常用的時間域光信號進行處理的方案。

對比文件1“All-Optical Machine Learning Using Diffractive Deep NeuralNetworks”(Lin X,Rivenson Y,Yardimci N T,et al.Science(361)6406(2018)1004–1008.)開創性地提出了一種全光神經網絡，用衍射原理作為網絡的前向傳輸方程，并且使用3D打印技術得到衍射掩膜層。每個掩模構成單層，神經元是不同透光率、折射率或掩模厚度的小網格，上層的每個神經元通過衍射與下一層的所有神經元連接。通過調整不同的相位或者振幅來改變權重，網絡的分類結果是通過在輸出層用探測器陣列測量光強度來獲得的。該網絡處理的輸入信號是空間域的圖像，而且網絡一旦訓練完成，通過3D打印制成就固化了，不具有重構性，不夠靈活，而且網絡沒有非線性激活函數。

對比文件2“Class-specific differential detection in diffractiveoptical neural networks improves inference accuracy”(Li J,Mengu D,Luo Y,etal.Advanced Photonics[J],2019,1(4).)提出差分的任務專用D2NN結構，將原有地10個探測器增加為正負各十個探測器，用softmax交叉熵損失函數替換原有的均方差損失函數，有效地提高了D2NN結構的識別準確性，與電子神經網絡地識別準確率高度接近。但該網絡處理的輸入數據是灰度圖像，網絡參數數量太大，訓練耗費大量時間，而且依然不夠靈活，沒有拓展性。

對比文件3“Neural networks within multi-core optic fibers”(Cohen E,Malka D,Shemer A,et al.Scientific Reports,2016,6(1):29080.)提出一種基于多芯光纖的光學神經網絡，使用數值模擬進行仿真，展示出能區分不同輸入模式的能力。網絡由多芯光纖，EDFA，Y型耦合器組成，光信號通過導光硅芯的耦合進行信號的傳輸。網絡輸入放大的信號功率，輸出的光信號用探測器測量光功率。神經元以單個的硅芯來實現，突觸權重通過芯中的摻鉺放大實現。通過計算機學習，學習的過程是將輸出信號經過比較器，更新內存陣列存儲的控制芯中的摻鉺放大光發射器的權重，反饋到輸入。該網絡處理的輸入信號為空間域的光功率，需要制備長度長、芯間距大的多芯光纖，制作工藝難度大，而且網絡沒有非線性激活函數，將光源耦合到多芯光纖也有難度。