-
公开(公告)号：CN113193911A
公开(公告)日：2021-07-30
申请号：CN202110393896.4
申请日：2021-04-13
Applicant: 北京邮电大学
IPC: H04B10/079 , G06N3/08
Abstract: 本发明提供一种光网络故障检测方法及系统，该方法包括：获取待检测的光网络性能数据；将待检测的光网络性能数据输入到训练好的光网络故障检测模型，获取待检测的光网络性能数据的隐空间重构误差，以根据隐空间重构误差和预设故障阈值，得到光网络故障检测结果，其中，训练好的光网络故障检测模型是由样本光网络性能数据，对改进的自编码器神经网络进行训练得到的，改进的自编码器神经网络包括第一编码器、第二编码器和解码器。本发明根据隐空间重构误差和预设故障阈值得到光网络故障检测结果，提高了模型的抗干扰性，并基于改进的自编码器神经网络，便于更好地学习训练数据的数据模式，减小重构误差，提升异常检测的效果。
-
公开(公告)号：CN110932809B
公开(公告)日：2020-10-16
申请号：CN201911142143.5
申请日：2019-11-20
Applicant: 北京邮电大学
IPC: H04B17/391 , H04B10/073 , G06F30/20 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种光纤信道模型模拟方法、装置、电子设备和存储介质，该方法包括：获取所需光纤仿真传输的信号数据；将所述信号数据和光纤长度参数，输入至预设的深度神经网络模型，根据所述深度神经网络模型的输出结果，确定所述光纤长度的光纤信道输出的信号数据；其中，所述深度神经网络模型，根据确定的光纤长度和信道输出结果的样本信号数据，进行训练后得到。训练好的深度神经网络网络能够实现高速和高鲁棒性的信号数据的光纤信道仿真。与目前的方法相比具有较低的复杂度，大大减少了对光纤信道进行建模所需的专业知识以及复杂程度，只要获得足够的输入输出数据以及距离参数即可对任意光纤信道进行建模，且建模及模型运行所需时间较短。
-
公开(公告)号：CN108446631B
公开(公告)日：2020-07-31
申请号：CN201810228389.3
申请日：2018-03-20
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于卷积神经网络的深度学习的智能频谱图分析方法，涉及光通信领域，所述的方法包括以下步骤：获取所需分析的频谱图像集；频谱图像预处理；训练卷积神经网络(CNN)模块；所需频谱图像输入到训练好的的CNN中进行特征提取和性能分析；输出结果。本发明提供了一种通过自动检测提取特征达到自学习和演进的频谱图分析方法，解决了处理频谱数据中数据维度过高或者不确定的而导致的模型结构不具备通用性的问题。当有新的识别目标时，本发明可以自动提取测量过程所需的特征，并且由于输入的信息载体为图像，因此模型的结构确定，具备通用性。所提出的发明有潜力嵌入测试仪器实现智能化频谱分析，或应用于OPM模块以确保网络运营的鲁棒性。
-
公开(公告)号：CN111181636A
公开(公告)日：2020-05-19
申请号：CN202010102706.4
申请日：2020-02-19
Applicant: 北京邮电大学
IPC: H04B10/079
Abstract: 本发明实施例提供一种光网络监测方法，包括：确定光网络中每一业务链路每一跨段的光标签功率测量值；基于SRS功率转移机理，以及每一业务链路每一跨段的光标签功率测量值和上一已修正标签值，计算每一业务链路每一跨段的当前已修正标签值；其中，每一业务链路每一跨段的首个已修正标签值是基于SRS功率转移机理，以及每一业务链路每一跨段的光标签功率测量值计算得到的；基于满足预设迭代条件的每一业务链路每一跨段的当前已修正标签值，进行光网络监测。本发明实施例提供的方法，能够有效提高光网络监测的准确性和可靠性。此外，光标签功率测量值的获取仅需低带宽的直接检测光电探测器即可得到，从而有效降低了光网络监测的成本。
-
公开(公告)号：CN109861760B
公开(公告)日：2020-05-08
申请号：CN201910141534.9
申请日：2019-02-26
Applicant: 北京邮电大学
IPC: H04B10/61
Abstract: 本发明实施例提供了一种相干光通信系统码型相关损伤自适应补偿方法及系统，包括：获取码型训练后的训练序列码型查询表，并接收信号样值码型；基于预设的欧式距离近似计算法，计算信号样值码型与训练序列码型查询表中存储的每个训练序列码型的近似欧式距离；将最小近似欧氏距离对应的训练序列码型的中间位置符号作为信号样值码型的中间位置符号估计，以完成码型相关损伤自适应补偿。本发明采用无乘法操作的近似欧氏距离计算方法完成接收信号样值码型与训练序列码型查询表中每种码型的欧氏距离计算，从而对接收信号码型进行最大后验概率检测，从而能够补偿Nyquist波分复用系统中的码型相关损伤，计算过程去除了乘法操作，计算复杂度低，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN109861760A
公开(公告)日：2019-06-07
申请号：CN201910141534.9
申请日：2019-02-26
Applicant: 北京邮电大学
IPC: H04B10/61
Abstract: 本发明实施例提供了一种相干光通信系统码型相关损伤自适应补偿方法及系统，包括：获取码型训练后的训练序列码型查询表，并接收信号样值码型；基于预设的欧式距离近似计算法，计算信号样值码型与训练序列码型查询表中存储的每个训练序列码型的近似欧式距离；将最小近似欧氏距离对应的训练序列码型的中间位置符号作为信号样值码型的中间位置符号估计，以完成码型相关损伤自适应补偿。本发明采用无乘法操作的近似欧氏距离计算方法完成接收信号样值码型与训练序列码型查询表中每种码型的欧氏距离计算，从而对接收信号码型进行最大后验概率检测，从而能够补偿Nyquist波分复用系统中的码型相关损伤，计算过程去除了乘法操作，计算复杂度低，易于实现。
-
公开(公告)号：CN109639479A
公开(公告)日：2019-04-16
申请号：CN201811496710.2
申请日：2018-12-07
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种基于生成对抗网络的网络流量数据增强方法及装置，所述方法包括：获取目标场景中真实网络流量的数据集；根据所述数据集，对生成对抗网络模型进行训练；基于训练好的所述生成对抗网络模型，获取最终增强流量数据。本发明实施例可以适用于各种场景，无需流量数据方面的专家经验，自适应地实现流量数据增强，扩充了网络流量的数据集，提升了利用机器学习方法优化网络性能的效果。
-
公开(公告)号：CN108768525A
公开(公告)日：2018-11-06
申请号：CN201810778847.0
申请日：2018-07-16
Applicant: 北京邮电大学
IPC: H04B10/116
CPC classification number: H04B10/116
Abstract: 本发明实施例提供了一种通过相机扫描光源获取数据的可见光应用装置，包括：短信息源、信息发送端及信息接收端；所述短信息源，与所述信息发送端连接，用于提供短信息以表示不同光源对应的信息；所述信息发送端，与所述信息接收端连接，用于编码调制所述短信息，并将编码调制后的短信息以光信号发送至所述信息接收端；所述信息接收端，与所述信息发送端连接，用于对接收的所述光信号进行图像处理，并通过帧同步及解码获取所述短信息。本发明可以在兼顾照明的同时做到短信息的有效传递。
-
公开(公告)号：CN103905248B
公开(公告)日：2018-02-02
申请号：CN201410088688.3
申请日：2014-03-11
Applicant: 北京邮电大学
IPC: H04L12/24
Abstract: 本发明涉及光通信领域，尤其涉及一种基于WSS和频隙交换的软定义弹性光交换网络中节点的资源抽象映射及控制方法。所述节点资源抽象映射方法为一种简单方便的资源抽象策略，构建三维矩阵的方法；所述节点资源控制方法为根据路由选择和资源预留后的矩阵更新的方法。所述节点资源抽象映射方法使得网络中的核心控制器可以对各个不同的节点进行资源抽象映射，同时准确及时的控制节点的动作。通过构建三维矩阵，使控制器可以简单而清晰的获得每一个节点的资源状况，并且在发生变化时，根据更新策略，更新矩阵。保证准确的为上层提供每一个节点的动作信息。
-
公开(公告)号：CN107342962A
公开(公告)日：2017-11-10
申请号：CN201710533175.2
申请日：2017-07-03
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于卷积神经网络的深度学习智能星座图分析方法，涉及光通信技术领域，其中通过搭建并训练卷积神经网络模块对星座图进行性能分析，包括以下步骤：获取星座图训练数据集；对星座图进行预处理；训练CNN模块进行特征提取；将所需分析的星座图经预处理后输入训练完成的CNN模块进行模式识别和性能分析；输出分析结果。本发明将基于卷积神经网络的深度学习技术应用到星座图分析中，解决了传统星座图性能分析中无法直接处理原始数据、需进行人工干预的问题，利用CNN实现了星座图原始图像信息分析的智能化和自动化，可以作为示波器的星座图软件处理模块及仿真软件的星座图分析模块，进而嵌入到测试仪器中进行智能信号分析和性能监测。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.06 seconds)
