基于Wide&Deep-CNN的光纤非线性均衡方法

    公开(公告)号:CN116366165A

    公开(公告)日:2023-06-30

    申请号:CN202211537436.5

    申请日:2022-12-01

    IPC分类号: H04B10/61 H04B10/54

    摘要: 本发明公开的基于Wide&Deep‑CNN的光纤非线性均衡方法,属于光纤通信技术领域。本发明实现方法为:构建每个M‑QAM信号的第一特征序列和第二特征图谱,构建训练数据集;构建基于Wide&Deep‑CNN模型的非线性均衡模型,第一特征序列作为Wide&Deep‑CNN模型中Wide网络子模型的输入特征序列,第二特征图谱作为Wide&Deep‑CNN模型中Deep‑CNN子模型的输入特征图谱;利用训练数据集对Wide&Deep‑CNN模型进行训练;将每个待非线性均衡的M‑QAM信号的特征输入到训练好的Wide&Deep‑CNN模型,输出得到每个M‑QAM信号的预测标签;将输出的预测标签结果作为M‑QAM信号所对应的类别,得到M‑QAM信号的非线性均衡结果,显著改善M‑QAM信号的质量,通过M‑QAM星座符号解映射,得到相对应二进制数据,实现高准确度的数据恢复,降低误比特率,提升相干光通信系统的传输性能。