一种分层对称型三维星座映射调制方法和系统

    公开(公告)号:CN114039830A

    公开(公告)日:2022-02-11

    申请号:CN202111223872.0

    申请日:2021-10-20

    IPC分类号: H04L27/34

    摘要: 本发明公开了一种分层对称型三维星座映射调制方法,包括:将星座点在三维空间内的几何分布按Z轴数值划分为不同层数,在固定最小欧式距离的条件下,以最大化星座图CFM指数为目标,依次在各层次上设计出相应的星座点二维分布,得到分层对称型三维星座图;根据星座点所需要的不同发射功率将导入的数据分为四个不同的能量层次,使数据从原本的二进制比特流转化成经过概率整形计算后的分布形式,最后映射成三维空间内包含信息的空间坐标。本发明极大地简化了星座图的结构的,在不增加系统硬件复杂程度的前提下降低模分复用系统发射功率与误码率,极大地提升系统传输性能。

    一种超高阶delta-sigma调制方法
    26.
    发明公开

    公开(公告)号:CN118473890A

    公开(公告)日:2024-08-09

    申请号:CN202410924680.X

    申请日:2024-07-11

    IPC分类号: H04L27/36

    摘要: 本发明提供一种超高阶delta‑sigma调制方法,包括获取比特信息,通过调制映射方法形成星座图,将星座图划分为多个方形的子星座集合,进行子星座重叠整形重新分配概率,形成概率整形后的星座图;将比特信息重新映射到概率整形后的星座图上,形成QAM调制信号;使用高阶Delta‑Sigma调制器对QAM调制信号进行DSM调制,生成PAM4形式的数字信号并输出,接收数字信号,确定星座点位置,恢复和解码得到原始信号。本发明创新地结合DSM和概率整形技术,有效降低了量化噪声的影响和误码率,同时有效对抗了非线性问题,降低信号失真,增强了系统稳定性。

    一种基于神经网络逆向设计的少模光纤参数优化方法

    公开(公告)号:CN117235919A

    公开(公告)日:2023-12-15

    申请号:CN202311114201.X

    申请日:2023-08-31

    摘要: 本发明公开了一种基于神经网络逆向设计的少模光纤参数优化方法,包括:设定少模光纤对应的光纤参数,并生成对应的几何模型与光纤结构截面图;构建神经网络模型,计算模间非线性的模式差分群时延参数和模内非线性的模式相关损耗参数,并与光纤有效折射率、有效模场面积作为初始值一同输入至神经网络模型中,得到优化后的结果参数;对经过优化的结果参数进行判断,通过反向传播不断调整网络的权值和阈值,将其输入神经网络模型进行优化,直至达到结束条件。本发明通过搭建神经网络结构的机器学习技术,通过大量数据训练对光纤参数进行集中优化,能更加高效、精确地得到适用模分复用通信系统的光纤参数,从而提高长距离FMF通信的传输质量。