公开(公告)号：CN115208721B

公开(公告)日：2024-01-23

申请号：CN202210719826.8

申请日：2022-06-23

Applicant: 上海交通大学

Inventor： 义理林 ,  黄璐瑶 ,  蒋文清 ,  徐永鑫

IPC: H04L25/03 ,  G06N3/084 ,  G06N3/063 ,  G06N3/048

Abstract: 本发明提供了一种类Volterra的神经网络均衡器构建方法及系统，涉及光纤通信中的信道均衡领域，基于Volterra均衡器将神经网络改进并重构为一个低复杂度的均衡器，包括输入层，带线性及非线性激活函数的隐藏层，加权之后输出的输出层。该方法将传统Volterra均衡器的交叉相乘项简化为加权求和后进行二阶、三阶等非线性运算，平衡输入系数与交叉项个数。该均衡(56)对比文件郭业才;马伟伟;张珊;周润之.基于线性MMSE的Volterra信道Turbo均衡算法.系统仿真学报.2016,(11),全文.吴金达;卢瑾;任宏亮;覃亚丽;郭淑琴;胡卫生.基于广义回归神经网络的CO-OFDM系统非线性均衡.光学学报.2018,(09),全文.

公开(公告)号：CN114338309B

公开(公告)日：2023-07-25

申请号：CN202111572693.8

申请日：2021-12-21

Applicant: 上海交通大学

Inventor： 义理林 ,  徐永鑫 ,  黄璐瑶 ,  蒋文清

IPC: H04L25/03 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明提供了一种基于深度强化学习优化Volterra均衡器结构的方法和系统，包括：初始化智能体Agent、经验回放池、Volterra均衡器的记忆长度状态；对Agent随机产生动作，Volterra均衡器更新其记忆长度状态直至结束状态，根据Volterra均衡器的复杂度和对信号均衡后的误码率计算奖励值，并将转移过程作为经验，存入经验回放池；从经验回放池中采样经验，对Agent进行训练和软更新；根据收敛值确定Volterra均衡器的各阶记忆长度。本发明实现了在给定计算资源的情况下，不同类型Volterra均衡器最优结构的自动搜索方法，相比传统贪心搜索，不仅可以进一步提升均衡效果，而且大幅降低了均衡器的复杂度。

公开(公告)号：CN114338309A

公开(公告)日：2022-04-12

申请号：CN202111572693.8

申请日：2021-12-21

Applicant: 上海交通大学

Inventor： 义理林 ,  徐永鑫 ,  黄璐瑶 ,  蒋文清

IPC: H04L25/03 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度强化学习优化Volterra均衡器结构的方法和系统，包括：初始化智能体Agent、经验回放池、Volterra均衡器的记忆长度状态；对Agent随机产生动作，Volterra均衡器更新其记忆长度状态直至结束状态，根据Volterra均衡器的复杂度和对信号均衡后的误码率计算奖励值，并将转移过程作为经验，存入经验回放池；从经验回放池中采样经验，对Agent进行训练和软更新；根据收敛值确定Volterra均衡器的各阶记忆长度。本发明实现了在给定计算资源的情况下，不同类型Volterra均衡器最优结构的自动搜索方法，相比传统贪心搜索，不仅可以进一步提升均衡效果，而且大幅降低了均衡器的复杂度。

公开(公告)号：CN116545804A

公开(公告)日：2023-08-04

申请号：CN202310553839.7

申请日：2023-05-16

Applicant: 上海交通大学

Inventor： 义理林 ,  徐永鑫 ,  黄璐瑶 ,  蒋文清 ,  关小凯

IPC: H04L25/02 ,  H04B10/50 ,  H04B10/60

Abstract: 本发明提供了一种基于噪声适配网络的光通信系统端到端优化方法和系统，包括：设计了一种噪声适配网络，用来模拟真实的物理信道，并在发送端和接收端分别使用一个神经网络代替传统的独立通信模块，实现这些模块的全部功能，通过噪声适配网络和收发端神经网络的交替训练，噪声适配网络不断逼近实际的物理信道，而收发端神经网络基于噪声适配网络进行联合训练，使系统性能不断提升，直至收敛。与传统的接收端均衡方案和间接方式实现的收发端联合均衡方案相比，本发明不仅进一步降低了误码率，提升了系统的接收灵敏度，而且大幅降低了接收端均衡器的复杂度。

公开(公告)号：CN115208721A

公开(公告)日：2022-10-18

申请号：CN202210719826.8

申请日：2022-06-23

Applicant: 上海交通大学

Inventor： 义理林 ,  黄璐瑶 ,  蒋文清 ,  徐永鑫

IPC: H04L25/03 ,  G06N3/08 ,  G06N3/063 ,  G06N3/04

Abstract: 本发明提供了一种类Volterra的神经网络均衡器构建方法及系统，涉及光纤通信中的信道均衡领域，基于Volterra均衡器将神经网络改进并重构为一个低复杂度的均衡器，包括输入层，带线性及非线性激活函数的隐藏层，加权之后输出的输出层。该方法将传统Volterra均衡器的交叉相乘项简化为加权求和后进行二阶、三阶等非线性运算，平衡输入系数与交叉项个数。该均衡器在低复杂度情况下与同等复杂度的Volterra均衡器相比性能更好，在相同性能情况下复杂度更低。

公开(公告)号：CN112152953A

公开(公告)日：2020-12-29

申请号：CN202011007542.3

申请日：2020-09-23

Applicant: 上海交通大学

Inventor： 义理林 ,  廖韬 ,  黄璐瑶 ,  胡卫生

IPC: H04L25/03 ,  G06N3/08

Abstract: 本发明公开了一种针对神经网络均衡器训练的随机序列构造方法，涉及光纤通信中的信道均衡领域，包括选择三个独立的随机序列，其中一个为索引序列，其余两个为数据序列，构造过程将基于索引序列的值选取数据序列中的项添加到构造序列中，最终组合成满足长度要求的新随机序列。本发明在不改变随机特性的情况下，有效提升了随机序列生成规则的复杂度，针对给定的神经网络均衡器与其他高级信道均衡算法，都能有效掩盖数据生成规则，保证均衡模型训练的可靠性，可以用于调制各种传输信号以作为信道均衡器训练数据。