-
公开(公告)号：CN114611404B
公开(公告)日：2025-03-28
申请号：CN202210277959.4
申请日：2022-03-21
Applicant: 上海交通大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , H04B10/25 , H04B17/391 , G06F111/10 , G06F113/16
Abstract: 本发明提供了一种基于卷积特征提取的超快脉冲光纤传输建模方法及系统，结合了模型驱动的线性色散建模与数据驱动的机器学习非线性特征建模，可以对强非线性动态现象进行建模，并通过迭代计算实现不同距离的脉冲波形预测。进一步地，针对机器学习的非线性特征建模，提出一种结合卷积与局部全连接的神经网络结构，实现了脉冲不同位置处的参数共享，降低了模型的存储需求，同时允许动态选择脉冲高能量部分进行非线性计算。整个建模方法拥有一定的灵活度，可以针对不同场景调整各模块，实现不同情况下精确建模。
-
公开(公告)号：CN114139324B
公开(公告)日：2024-12-24
申请号：CN202111478750.6
申请日：2021-12-06
Applicant: 上海交通大学
IPC: G06F30/18 , G06F30/27 , G06N3/0442 , G06N3/08 , G06F111/02
Abstract: 本发明提供了一种基于特征解耦的分布式光纤信道快速精确建模方法和系统，包括：步骤S1：采集不同光纤信道条件下的输入输出数据，作为训练数据集；步骤S2：通过线性补偿算法对包括非线性特征的信道的输出数据进行补偿；步骤S3：进行数据预处理与排布，得到适用于神经网络训练的非线性数据集；步骤S4：基于神经网络结构与深度学习算法对非线性信道特征进行建模，通过训练得到非线性信道模型；步骤S5：在传输过程中，依次对非线性模型、线性模型、放大器模型进行建模，然后实行多次迭代，最终实现光纤信道模型的长距传输。本发明不需要过多的迭代步骤，即可实现低复杂度、高精确、强泛化的光纤信道建模。
-
公开(公告)号：CN116103673A
公开(公告)日：2023-05-12
申请号：CN202310288185.X
申请日：2023-03-23
Applicant: 上海交通大学
IPC: C25B3/07 , C25B3/26 , C25B11/091 , C25B11/061
Abstract: 一种用于温室气体的CO2还原为甲酸盐的方法，通过在泡沫铜表面原位生长SnO2后，通过电沉积反应制备Bi‑SnO2修饰的泡沫铜；再以Bi‑Sn纳米修饰的泡沫铜作为阴极、Ag‑AgCl作为参比电极、Pt作为对电极、碳酸氢钾溶液作为电解质构成三电极体系的双室电化学反应器，通过在阴极和对电极之间偏电压，将CO2直接通入阴极室后，经电化学反应得到甲酸盐。本发明利用廉价、环保的材料，能够选择性、快速、高效的将CO2还原为甲酸盐。
-
公开(公告)号：CN115695211A
公开(公告)日：2023-02-03
申请号：CN202211281083.7
申请日：2022-10-19
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于数据驱动的光纤通信实验系统端到端建模方法和系统，包括：基于收发端数字信号处理算法(DSP)对光纤通信实验系统特征有选择性地进行补偿，采集输入数据与补偿后的输出数据构建训练数据集；构建确定性特征模型，并建立对应神经网络的输入层数据结构；构建随机特征模型，并建立对应神经网络的输入层数据结构；构建损失函数，分两阶段依次训练确定性特征模型与随机特征模型；对确定性特征模型与随机特征模型输出结果进行求和，获得完整系统建模输出。本发明联合DSP设计直接对实验系统进行建模，不依赖理论模型，无需进行假设与系统简化，且避免了迭代运算，可实现光纤通信实验系统的快速精准建模。
-
公开(公告)号：CN114117697A
公开(公告)日：2022-03-01
申请号：CN202111405475.5
申请日：2021-11-24
Applicant: 上海交通大学
IPC: G06F30/18 , G06F30/27 , G06N3/08 , G06F111/02
Abstract: 本发明提供了一种基于可微辅助信道的端到端优化方法及系统，包括如下步骤：步骤S1：基于可微辅助信道进行端到端优化；步骤S2：根据优化的端到端进行光纤传输。本发明可微辅助信道及其训练方法，解决了端到端优化的反向传播受阻问题；调整损失函数为MSE，解码器无需Sigmoid函数，减少梯度消失问题；方法无需信道模型，适用于实验信道，方法直接，可直接用于长距传输的端到端优化。
-
Patent Agency Ranking
公开(公告)号：CN119582957A
公开(公告)日：2025-03-07
申请号：CN202411583874.4
申请日：2024-11-07
Applicant: 上海交通大学
IPC: H04B10/2513 , H04B10/2543 , G06N3/084 , H04B17/391
Abstract: 本发明提供了一种链路色散管理配置优化方法及系统，包括：步骤S1：确定优化场景及配置相应的信道参数，利用数值仿真方法得到传输信号数据，基于传输信号数据构建特征解耦分布式光纤信道模型的训练集及色散管理配置优化数据；步骤S2：对训练集进行预处理，并利用预处理后的训练集训练单跨段特征解耦分布式光纤信道模型，基于训练后的单跨段特征解耦分布式光纤信道模型级联构建色散管理光纤链路模型；步骤S3：利用色散管理配置优化数据，通过梯度下降算法优化色散管理光纤链路模型，优化色散管理配置。
-
公开(公告)号：CN114611404A
公开(公告)日：2022-06-10
申请号：CN202210277959.4
申请日：2022-03-21
Applicant: 上海交通大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , H04B10/25 , H04B17/391 , G06F111/10 , G06F113/16
Abstract: 本发明提供了一种基于卷积特征提取的超快脉冲光纤传输建模方法及系统，结合了模型驱动的线性色散建模与数据驱动的机器学习非线性特征建模，可以对强非线性动态现象进行建模，并通过迭代计算实现不同距离的脉冲波形预测。进一步地，针对机器学习的非线性特征建模，提出一种结合卷积与局部全连接的神经网络结构，实现了脉冲不同位置处的参数共享，降低了模型的存储需求，同时允许动态选择脉冲高能量部分进行非线性计算。整个建模方法拥有一定的灵活度，可以针对不同场景调整各模块，实现不同情况下精确建模。
-
公开(公告)号：CN114139324A
公开(公告)日：2022-03-04
申请号：CN202111478750.6
申请日：2021-12-06
Applicant: 上海交通大学
IPC: G06F30/18 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/02
Abstract: 本发明提供了一种基于特征解耦的分布式光纤信道快速精确建模方法和系统，包括：步骤S1：采集不同光纤信道条件下的输入输出数据，作为训练数据集；步骤S2：通过线性补偿算法对包括非线性特征的信道的输出数据进行补偿；步骤S3：进行数据预处理与排布，得到适用于神经网络训练的非线性数据集；步骤S4：基于神经网络结构与深度学习算法对非线性信道特征进行建模，通过训练得到非线性信道模型；步骤S5：在传输过程中，依次对非线性模型、线性模型、放大器模型进行建模，然后实行多次迭代，最终实现光纤信道模型的长距传输。本发明不需要过多的迭代步骤，即可实现低复杂度、高精确、强泛化的光纤信道建模。
-
公开(公告)号：CN116961816A
公开(公告)日：2023-10-27
申请号：CN202310954067.8
申请日：2023-07-31
Applicant: 上海交通大学
IPC: H04J3/06
Abstract: 本发明提供了一种用于光纤通信系统的时钟恢复方法与系统，包括：步骤S1：建立训练数据集，构建可学习的时钟恢复结构；步骤S2：利用数据集训练可学习的时钟恢复结构；步骤S3：利用训练后的可学习的时钟恢复结构，实现IQ skew的补偿及时钟恢复，部署在光纤通信系统中。本发明构建了可学习的时钟恢复结构、训练方法和部署流程，方法和系统可用于光通信系统的IQ skew补偿和时钟恢复，提升光纤通信系统的传输系统性能。
-
公开(公告)号：CN116956235A
公开(公告)日：2023-10-27
申请号：CN202310954095.X
申请日：2023-07-31
Applicant: 上海交通大学
IPC: G06F18/27 , H04J3/06 , G06F18/214 , G06N3/084
Abstract: 本发明提供了一种用于光纤通信系统的时钟泄漏补偿方法与系统，包括：步骤S1：建立训练数据集，构建可学习的数字信号归一化结构；步骤S2：利用训练数据集训练可学习的数字信号归一化结构；步骤S3：利用训练后的可学习的数字信号归一化结构实现时钟泄漏补偿，并部署在光纤通信系统中。本发明构建了可学习的数字信号归一化结构、训练方法和部署流程，方法和系统可用于补偿光通信系统的时钟泄漏，提升光纤通信系统的传输系统性能。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.052 seconds)
