-
公开(公告)号：CN114978306A
公开(公告)日：2022-08-30
申请号：CN202210540923.0
申请日：2022-05-17
Applicant: 上海交通大学
IPC: H04B10/079 , H04B10/25 , G06N3/04
Abstract: 本发明提供了一种基于深度学习的光纤通信传输系统互信息量计算方法及系统，包括：步骤S1：基于光纤通信传输系统进行数据传输，并获取原始数据集；步骤S2：基于深度学习神经网络对互信息量估计器进行训练，得到训练后的互信息量估计器；步骤S3：利用训练后的互信息量估计器对光纤通信传输系统互信息量进行计算。本发明引入深度学习神经网络的方法，通过对互信息量估计器的训练实现对光纤通信传输系统中的互信息量计算，方案具有可靠性，适用于光纤通信传输系统。
-
公开(公告)号：CN114499755A
公开(公告)日：2022-05-13
申请号：CN202210010298.9
申请日：2022-01-05
Applicant: 上海交通大学
Abstract: 本发明提供一种基于互信息量估计的几何与概率联合星座整形方法及系统，涉及通信系统技术领域，包括：步骤S1：根据通信信道输入输出，构建并训练互信息量估计器神经网络，分别预训练几何整形编码器神经网络和概率生成器，使基于互信息量估计器计算的互信息量最大化；步骤S2：迭代训练互信息量估计器、几何整形编码器神经网络和概率生成器神经网络至收敛，使基于互信息量估计器计算的互信息量最大化，获得几何整形星座图以及各个星座点的概率值，即该信道条件下的几何与概率联合整形。本发明能够通过互信息量估计计算当前整形的互信息量，然后通过梯度反向传播和梯度下降，迭代地训练几何整形和概率整形的编码器，显式的提升互信息量。
-
公开(公告)号：CN119892275A
公开(公告)日：2025-04-25
申请号：CN202411968051.3
申请日：2024-12-30
Applicant: 上海交通大学
IPC: H04B17/391 , G06N3/045 , G06N3/0442
Abstract: 本发明提供了一种基于非线性特征解耦的光纤信道波形级建模方法及系统，涉及光纤信道建模技术领域，包括：步骤S1：构建包含自相位调制模型和交叉相位调制模型的神经网络组；步骤S2：通过数值仿真，采集单通道的输入和输出波形作为自相位调制数据集；步骤S3：通过所述自相位调制数据集，训练自相位调制模型；步骤S4：通过数值仿真，采集多通道的输入和输出波形，结合所述自相位调制模型，构建交叉相位调制的数据集；步骤S5：利用所述交叉相位调制的数据集，对所述交叉相位调制模型进行训练。本发明能够对多通道非线性效应进行解耦，采用多个子神经网络的设计架构，降低了模型训练难度，提高了多通道场景下的预测性能。
-
公开(公告)号：CN114499755B
公开(公告)日：2023-06-27
申请号：CN202210010298.9
申请日：2022-01-05
Applicant: 上海交通大学
Abstract: 本发明提供一种基于互信息量估计的几何与概率联合星座整形方法及系统，涉及通信系统技术领域，包括：步骤S1：根据通信信道输入输出，构建并训练互信息量估计器神经网络，分别预训练几何整形编码器神经网络和概率生成器，使基于互信息量估计器计算的互信息量最大化；步骤S2：迭代训练互信息量估计器、几何整形编码器神经网络和概率生成器神经网络至收敛，使基于互信息量估计器计算的互信息量最大化，获得几何整形星座图以及各个星座点的概率值，即该信道条件下的几何与概率联合整形。本发明能够通过互信息量估计计算当前整形的互信息量，然后通过梯度反向传播和梯度下降，迭代地训练几何整形和概率整形的编码器，显式的提升互信息量。
-
公开(公告)号：CN114337849A
公开(公告)日：2022-04-12
申请号：CN202111574717.3
申请日：2021-12-21
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解码器进行物理层保密传输。本发明引入互信息量估计和端到端深度学习的方法，通过互信息量估计实现最小化窃听者信道互信息量的保密系统，通过端到端深度学习实现合法用户信道最大互信息量的可靠通信系统，方案兼顾保密性和可靠性，适用于长距高速光通信的传输系统。
-
Patent Agency Ranking
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：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：CN119449543A
公开(公告)日：2025-02-14
申请号：CN202411626454.X
申请日：2024-11-14
Applicant: 上海交通大学
Abstract: 本发明提供了一种分数阶傅里叶变换的色散与时频偏移联合估计方法及系统，方法包括：步骤S1：在发端信号中插入训练序列，构建传输信号流；步骤S2：在收端通过逐块搜索找到训练序列的位置；步骤S3：基于训练序列的位置构造二维空间，搜索得到峰值坐标；所述二维空间包括变换角度和变换域；步骤S4：使用峰值坐标解算得到色散、时间偏移与频率偏移。本发明提出了一种基于分数阶傅里叶变换的色散与时频偏移联合估计方法，在发端设计多功能的训练序列，在收端使用分数阶傅里叶变换实现三种参数的联合估计，训练序列开销降低至现有同样基于分数阶傅里叶变换原理的联合估计算法的25％。
-
公开(公告)号：CN118971956A
公开(公告)日：2024-11-15
申请号：CN202410959424.4
申请日：2024-07-17
Applicant: 上海交通大学
Abstract: 本发明提供了一种光纤通信系统互信息量计算方法及系统，所述方法包括如下步骤：步骤S1：基于光纤通信传输系统进行数据传输，并构建训练数据集；步骤S2：将训练数据集输入神经网络，计算损失函数；步骤S3：基于计算后的损失函数，对增强互信息神经估计网络进行训练；步骤S4：使用训练完成的增强互信息神经估计网络对光纤通信传输系统互信息量进行计算。本发明通过采用将信号数据前后符号联合数据输入神经网络，使用数据联合分布和边缘分布共同计算损失函数并训练增强互信息神经估计网络，从而实现对光纤通信系统精确稳定的互信息量估计。
-
公开(公告)号：CN114337849B
公开(公告)日：2023-03-14
申请号：CN202111574717.3
申请日：2021-12-21
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解码器进行物理层保密传输。本发明引入互信息量估计和端到端深度学习的方法，通过互信息量估计实现最小化窃听者信道互信息量的保密系统，通过端到端深度学习实现合法用户信道最大互信息量的可靠通信系统，方案兼顾保密性和可靠性，适用于长距高速光通信的传输系统。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
