-
公开(公告)号:CN117309127A
公开(公告)日:2023-12-29
申请号:CN202310652811.9
申请日:2023-06-05
申请人: 常州京信新一代信息技术研究院有限公司 , 北京理工大学
IPC分类号: G01H9/00
摘要: 本发明涉及光纤传感领域,具体涉及一种波前调制全光纤超声波传感器及其制作方法。本波前调制全光纤超声波传感器包括:单模光纤、渐变折射率光纤;其中所述渐变折射率光纤的一端与单模光纤熔接,用于将单模光纤传输的入射光进行扩束和准直,从而反射平行光束;所述渐变折射率光纤适于通过飞秒激光在其另一端面上制作相位阶跃,以形成超紧凑的干涉传感器头;以及所述干涉传感器头的端面还设置有金膜层。本传感器利用相位前调制技术可以对超声波进行检测。渐变折射率光纤端面的全二氧化硅超薄 相位阶跃,不仅确保了传感器可以耐受高强度聚焦超声场,而且几乎不受温度的影响。
-
公开(公告)号:CN116405124A
公开(公告)日:2023-07-07
申请号:CN202211471331.4
申请日:2022-11-23
申请人: 常州京信新一代信息技术研究院有限公司 , 北京理工大学
IPC分类号: H04B10/58 , G06N3/092 , G06N3/0464 , H04B10/61
摘要: 本发明属于光纤通信发射机损伤预补偿技术领域,具体涉及一种基于强化学习的相干光通信系统光域预补偿方法。其包括步骤S1:获取收发两端码元、时钟同步信号;步骤S2:构建发射端神经网络预失真器;步骤S3:定义强化学习优化目标;步骤S4:将步骤S1得到的收发端信号利用强化学习优化目标优化发射端神经网络预失真器;步骤S5:重复步骤S1及S4,直至强化学习优化目标函数收敛;步骤S6:通过收敛后的预失真器得到预失真频响曲线;步骤S7:应用可编程光滤波器根据预失真频响曲线构造所需的光域滤波曲线形状,实现相干光通信系统的光域补偿。
-
公开(公告)号:CN114050953B
公开(公告)日:2023-05-23
申请号:CN202111385579.4
申请日:2021-11-22
申请人: 常州京信新一代信息技术研究院有限公司 , 北京理工大学
IPC分类号: H04L27/00 , H04Q11/00 , G06N3/0464 , G06N3/0475 , G06N3/094
摘要: 本发明属于光纤通信技术领域,具体涉及一种面向相干光通信系统的信号调制格式识别方法及系统。本信号调制格式识别方法包括:基于功率归一化的调制信号数据预处理;基于ACGAN的调制格式识别。本发明的面向相干光通信系统的信号调制格式识别方法及系统,结合功率归一化和ACGAN,通过数据预处理将原始单通道调制信号特征提取,并训练ACGAN整个网络,从而实现识别能力,能够提供可靠稳定高精度的通信系统,在光纤通信领域极具潜力和应用前景。
-
公开(公告)号:CN116192255A
公开(公告)日:2023-05-30
申请号:CN202310175789.3
申请日:2023-02-28
申请人: 常州京信新一代信息技术研究院有限公司 , 北京理工大学
IPC分类号: H04B10/079 , H04B10/11 , G06N3/0464 , G06N3/048 , G06N3/084
摘要: 本发明涉及光通信领域领域,具体涉及一种基于残差神经网络的大容量光通信系统的损伤补偿方法,本基于残差神经网络的大容量光通信系统的损伤补偿方法,包括:步骤1、获取待补偿的畸变OAM光束的强度分布;步骤2、构建残差神经网络模型,将待补偿的畸变OAM光束的强度分布输入训练好的残差神经网络模型,预测大气湍流相位屏;步骤3、将预测得到的大气湍流相位屏用于补偿OAM光束;本发明基于残差神经网络学习焦平面的OAM探针光束的焦平面光强与其对应的大气湍流相位屏之间的映射关系,从而根据畸变OAM光束直接预测对应的大气湍流相位屏,进而实现高精度地补偿空间光通信系统中的OAM光束,其预测速度快且补偿精度高。
-
公开(公告)号:CN116131936A
公开(公告)日:2023-05-16
申请号:CN202211455774.4
申请日:2022-11-21
申请人: 常州京信新一代信息技术研究院有限公司 , 北京理工大学
IPC分类号: H04B10/079 , G06F17/14 , H04B10/61
摘要: 本发明涉及线性光采样技术领域,具体涉及一种基于单步插值的软件同步处理的线性光采样方法,本方法包括如下步骤:获得用于软件同步处理的若干离散采样数据信号xk;对离散采样数据信号进行快速傅里叶变换后,获得待测信号的频谱信息;通过频谱信息得到采样点数据的粗周期值n0;在粗周期值的给定位置通过单步插值计算得到补偿误差值δ,对粗周期值进行补偿后得到精确周期n1,用于进行眼图重构,本发明可以实现待测信号在接收端的精确眼图监测以及星座图的分析,获取待测信号的时域信息,能够在低复杂度的情况下获取待测信号的准确周期信息,缩短了时延,提高了整个线性光采样系统的效率。
-
公开(公告)号:CN116192593A
公开(公告)日:2023-05-30
申请号:CN202310210684.7
申请日:2023-03-02
申请人: 常州京信新一代信息技术研究院有限公司 , 北京理工大学
IPC分类号: H04L27/34 , H04L25/03 , H04B10/2507
摘要: 本发明涉及光纤通信领域,具体涉及一种基于聚类的概率整形信号的判决方法,本方法包括:获取待判决的概率整形M‑QAM信号数据集;搜寻并确定每一个概率整形M‑QAM信号数据点的最k近邻概率整形M‑QAM信号数据点,并计算各概率整形M‑QAM信号数据点与其对应的最k近邻概率整形M‑QAM信号数据点构成的角度方差;通过比较各概率整形M‑QAM信号数据点的角度方差与预设的角度方差阈值,将各概率整形M‑QAM信号数据点划分为内部点或边界点;设置内部点划分规则和边界点归属规则,以将概率整形M‑QAM信号数据集划分为M个簇;根据概率整形M‑QAM信号数据集划分为M个簇的聚类结果,完成每个概率整形M‑QAM信号的有效判决;本方法可以对概率整形信号实现灵活准确的星座点判决,提升系统的传输性能。
-
公开(公告)号:CN114553315B
公开(公告)日:2023-07-18
申请号:CN202210187883.6
申请日:2022-02-28
申请人: 常州京信新一代信息技术研究院有限公司
IPC分类号: H04B10/2507 , H04B10/2543 , H04B10/40 , G06N3/0464 , G06N3/044 , G06N3/08
摘要: 本发明属于光纤通信技术领域,具体涉及一种基于CNN‑biRNN的光纤非线性均衡方法及系统,其中基于CNN‑biRNN的光纤非线性均衡方法包括:采集光纤发射端和接收端的数据,并对数据进行处理;根据处理的数据构建对应的特征序列;构建训练数据集和测试数据集;构建CNN‑biRNN模型;根据训练数据集对CNN‑biRNN模型进行训练;以及通过训练好的CNN‑biRNN模型根据测试数据集获取对应的恢复的发射端数据,提高了判决准确率,实现光纤非线性均衡,降低误比特率。
-
公开(公告)号:CN115940853A
公开(公告)日:2023-04-07
申请号:CN202211453459.8
申请日:2022-11-21
申请人: 常州京信新一代信息技术研究院有限公司
摘要: 本发明属于光电器件技术领域,具体涉及一种基于碳纳米管的跨阻放大器及光接收机,所述跨阻放大器包括:第一差分放大电路,其反相输入端作为跨阻放大器的反相输入端,并连接于一光电探测器的输出端,其同相输入端连接偏置电压Vin1+,其输出端输入放大的电压信号至第二差分放大电路;第二差分放大电路,其反相输入端连接于第一差分放大电路的输出端,其同相输入端连接偏置电压Vin2+,其输出端输入放大的电压信号至源极跟随器电路;源极跟随器电路,其输入端连接于第二差分放大电路的输出端,其输出端作为跨阻放大器的输出端;以及偏置电路,适于分别为第一、第二差分放大电路提供偏置电压。
-
公开(公告)号:CN116261177A
公开(公告)日:2023-06-13
申请号:CN202310103873.4
申请日:2023-02-10
申请人: 常州京信新一代信息技术研究院有限公司
摘要: 本发明涉及车联网无线短距离通信技术领域,具体涉及一种基于演化博弈的控制器负载均衡方法,本方法包括:步骤1、多选择区域M内的车辆分别对无人机U1和U2进行随机选择,并确定初始的网络状态;步骤2、根据多选择区域M内各车辆选择的无人机分别计算各车辆的收益;步骤3、根据各车辆的收益以及相应的网络状态,计算多选择区域M内所有车辆的平均收益;步骤4、判断各车辆的收益增量是否大于切换成本,若是,则车辆根据切换概率切换至另一台无人机,否则,不切换;步骤5、判断车辆完成切换后的网络状态是否收敛,若收敛,则得到控制器负载均衡结果,否则,重复步骤2至步骤5,本方法采用演化博弈的方法来解决动态控制器分配问题,以实现负载均衡。
-
公开(公告)号:CN116258707A
公开(公告)日:2023-06-13
申请号:CN202310258991.2
申请日:2023-03-15
申请人: 常州京信新一代信息技术研究院有限公司
IPC分类号: G06T7/00 , G06V10/82 , G06N3/08 , G06V10/762 , G06N3/0464
摘要: 本发明涉及PCB表面缺陷检测技术领域,具体涉及一种基于改进的YOLOv5算法的PCB表面缺陷检测方法,本方法包括:获取包含表面缺陷的PCB图像数据集,并进行图像预处理得到PCB表面缺陷样本数据集;构建改进型YOLOv5网络架构,并得到改进的YOLOv5算法模型;用PCB表面缺陷样本数据集对改进的YOLOv5算法模型进行训练,得到训练好的改进的YOLOv5算法模型,即PCB表面缺陷检测模型;将待检测的PCB图像经图像预处理后输入PCB表面缺陷检测模型,输出该PCB图像中的缺陷位置及其对应的缺陷类别。本基于改进的YOLOv5算法的PCB表面缺陷检测方法可以提升对于PCB表面的小尺寸缺陷和器件密集分布处的缺陷的检测性能。
-
-
-
-
-
-
-
-
-