公开(公告)号：CN118764116A

公开(公告)日：2024-10-11

申请号：CN202410746682.4

申请日：2024-06-11

Applicant: 北京邮电大学

Inventor： 王拥军 ,  杨海锋 ,  李超 ,  韩露 ,  黄兴源 ,  郑寓茜 ,  高恒达 ,  董诗雨 ,  张琦 ,  忻向军

IPC: H04B17/391 ,  H04B10/25

Abstract: 一种基于复值条件生成式对抗网络的光纤信道建模方法，属于光通信领域，包括：搭建包括复值条件生成式对抗网络的相干光纤通信系统；采用微分方程描述光脉冲信号在单芯少模光纤中的传输行为，给出能够支持N个模式且每个模式都具有两个正交偏振态的光耦合非线性薛定谔方程方程；利用分步傅里叶法近似求解上述方程；先由生成器通过接收先验分布的噪声数据和预处理后的训练数据来生成与真实数据具有相同分布的伪数据，再由判别器区分真实数据和伪数据；训练时生成器和判别器交替进行，并以纳什均衡作为优化目标。本发明简化了复值信号的预处理过程，降低了数据处理的复杂程度，减少了通道相关相位信息的丢失，提高了建模精度。

公开(公告)号：CN118764091A

公开(公告)日：2024-10-11

申请号：CN202410745747.3

申请日：2024-06-11

Applicant: 北京邮电大学

Inventor： 王拥军 ,  董诗雨 ,  韩露 ,  杨海锋 ,  李超 ,  黄兴源 ,  洪绍楠 ,  王茹逸 ,  张琦 ,  忻向军

IPC: H04B10/2507 ,  H04B10/61

Abstract: 基于全局感受野复值卷积均衡器的系统非线性补偿方法，属于光纤通信系统领域，包括构建基于微扰理论的复数值单通道特征图；构建基于复数值卷积神经网络的全局感受野复值卷积均衡器；将所述复数值单通道特征图作为复数值卷积神经网络的输入进行卷积运算；采用离线数字信号处理方法，首先对信号进行线性均衡修复，然后使用复值全局卷积核辅助全局感受野复值卷积均衡器进行学习和补偿非线性损伤。本发明相比传统DBP方法大幅降低了计算复杂度。本发明引入了复数值卷积神经网络可直接关注复数值的信息，无需分别处理复数值信号的实部和虚部，更符合光信号的相关物理特性。本发明采用全局感受野设计能有效地从复数值单通道特征图中提取有效信息。

公开(公告)号：CN116418405A

公开(公告)日：2023-07-11

申请号：CN202310395575.7

申请日：2023-04-13

Applicant: 北京邮电大学

Inventor： 丁熙盈 ,  王拥军 ,  韩露 ,  黄兴源 ,  杨海锋 ,  李超 ,  白金旺 ,  陈德文 ,  李子木 ,  张琦

IPC: H04B10/25 ,  H04B10/61 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于微扰理论的复值卷积神经网络光纤非线性均衡方法，包括以下步骤：S1、利用微扰理论对符号样本构造出复值信道特征图，形成原始训练集，并输入神经网络；S2、利用原始训练数据集训练复值卷积神经网络，对训练数据进行拟合，最后得到最合适的非线性均衡器模型；S3、对待测试信号构造复值信道输入特征图，并作为测试集输入到拟合好的非线性均衡器模型中进行均衡，得到输出结果。本发明提出的基于微扰理论的复值卷积神经网络光纤非线性均衡方法，利用微扰理论结合复值卷积神经网络提取更多有用的特征信息，解决非线性均衡时误码率高、补偿效果差的问题，提高非线性补偿效果，大大提升了系统性能。

公开(公告)号：CN118611805A

公开(公告)日：2024-09-06

申请号：CN202410745990.5

申请日：2024-06-11

Applicant: 北京邮电大学

Inventor： 王拥军 ,  高恒达 ,  杨海锋 ,  李超 ,  韩露 ,  黄兴源 ,  刘硕 ,  周新然 ,  张琦 ,  忻向军

IPC: H04B17/391 ,  H04B10/25 ,  G06N3/084

Abstract: 基于物理诱导神经网络的原理驱动少模光纤建模方法，属于少模光纤领域，包括：利用物理诱导神经网络求解NLSE方程，建立基于物理诱导神经网络的原理驱动少模光纤信道模型；物理诱导神经网络的输入神经元代表时间和距离帧，输出神经元分别代表NLSE方程解的实部和虚部；少模光纤信道模型的输入和输出在进入模型前和在离开模型后分别进行归一化和反归一化处理；少模光纤信道模型的损失函数包含原始NLSE方程和输入信号的初始条件；模型训练阶段。本发明不需要确定计算步长，任何传播距离的复杂度都保持不变，有效避免了由于配置错误而导致结果错误的风险，时间消耗减少。

公开(公告)号：CN118764096A

公开(公告)日：2024-10-11

申请号：CN202410746278.7

申请日：2024-06-11

Applicant: 北京邮电大学

Inventor： 王拥军 ,  洪绍楠 ,  李超 ,  杨海锋 ,  韩露 ,  黄兴源 ,  赵月影 ,  高昊宇 ,  张琦 ,  忻向军

IPC: H04B10/61 ,  H04B10/25

Abstract: 本发明属于光纤通信系统技术领域，具体涉及一种基于一阶微扰理论和神经网络的联合建模方法，该方法具体包括：步骤S1：基于一阶微扰理论的非线性分析，得到简化后的非线性扰动系数Cm,n：步骤S2：应用复值条件生成对抗网络拟合简化后的非线性扰动系数Cm,n。本发明在普通单模光纤相干通信系统中，创造性的提出将复值条件生成对抗网络(CV‑CGAN)应用到传统的基于微扰理论的非线性建模方法中，有效拟合非线性扰动系数，减少了对信道信息的需求，提高了信道建模的灵活性和通用性，并降低了数据处理以及计算的复杂度，很好地完成非线性噪声的建模，提高建模效果。

公开(公告)号：CN114070415A

公开(公告)日：2022-02-18

申请号：CN202111444875.7

申请日：2021-11-30

Applicant: 北京邮电大学

Inventor： 王拥军 ,  张永铭 ,  李超 ,  杨海锋 ,  韩露 ,  田清华 ,  田凤 ,  张琦 ,  忻向军

IPC: H04B10/61 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种光纤非线性均衡方法及系统。该方法包括：截取光纤发射端和接收端的数据，并且对发射端的数据进行星座点标签映射处理，构建训练集和测试集；对所述训练集和所述测试集进行处理；构建CNN‑BiGRU神经网络模型；通过处理后的训练集对所述CNN‑BiGRU神经网络模型进行训练；通过训练好的CNN‑BiGRU神经网络模型对接收端的数据进行补偿，实现光纤非线性均衡。本发明通过搭建CNN与BiGRU结合的神经网络模型，将训练数据序列输入其内进行神经网络模型的训练，并使用测试数据对模型训练效果进行评估，每个时间步保存当前训练效果最好的模型，从而实现光纤非线性均衡。