一种针对随机特性的贝叶斯神经网络非线性均衡方法

    公开(公告)号:CN116015458B

    公开(公告)日:2024-08-02

    申请号:CN202211595824.9

    申请日:2022-12-12

    摘要: 本发明公开的一种针对随机特性的贝叶斯神经网络非线性均衡方法,属于光纤通信技术领域。本发明对模分复用光纤通信系统的非线性进行推导,通过拟合模分复用光纤通信系统非线性特性进行数据采集;将贝叶斯神经网络模型中的参数初始化为标准正态分布,根据不同输入信号自适应贝叶斯神经网络非线性均衡模型的权重和偏差,通过变分学习找到使KL散度最小化的变分参数;基于训练好的贝叶斯神经网络非线性均衡模型,准确识别出不同情况下传输的不同信号的误码率特性,通过非线性均衡处理实现高准确度的数据恢复,有效缓解信号在光纤传输过程中受到的光纤非线性效应的影响,提升通信系统在不同工况下的鲁棒性。本发明还具有泛化能力强、复杂度低的优点。