一种低复杂度的光纤优化设计方法技术

本发明专利技术涉及一种低复杂度的光纤优化设计方法，包括：S1：确定全局最优邻域定位算法，并基于该算法的函数重心的自适应搜索决策来定位全局最优邻域；S2：构建并训练BP神经网络模型；S3：在首次寻优得到的全局最优邻域范围内，基于训练完成的BP神经网络计算得到相应数据集，并针对该数据集，再次调用全局最优邻域定位算法，进行二次寻优，在实际光纤拉制、应用限制条件下，来寻找最优光纤结构参数并进行输出。本发明专利技术利用了全局最优邻域定位算法，来缩小BP神经网络的建模范围，以提高建模精度，且提高了光纤优化设计过程中最优性能预测的精度。

【技术实现步骤摘要】
一种低复杂度的光纤优化设计方法
本专利技术涉及光学通信
，更具体地，涉及一种低复杂度的光纤优化设计方法。
技术介绍
近年来，现有商用单模光纤系统的进一步扩容开始受到限制，其光纤通信系统容量逐渐趋近于其理论极限。空分复用光纤通信系统近年来受到广泛关注，主要是少模光纤和多芯光纤两类。针对新型不同光纤的设计，现有的光纤设计，多是基于反复的电磁计算或测试方法，对于特定条件下的最优性能光纤设计的寻找，往往是耗时且复杂度高的。此外，有提出利用机器学习辅助光纤优化设计的方法，如传统的神经网络建模、全局寻优设计方法。利用神经网络建立光纤设计参数与模式间耦合积分系数的非线性关系，利用全局寻优设计方法实现光纤设计。但该方法的建模是在先验的特定情况下在小范围中实现了多输入少输出的准确神经网络建模，而在更普遍的情况下，一是一般情况下不存在可靠的先验特定条件，光纤各设计参数应是在大范围情况下的复杂非线性关系；二是没有考虑部分光纤设计中会遇到的少输入多输出的建模问题；三是优化设计结果的准确性将完全依赖于神经网络的预测精度；综合三大普遍问题，在基于直接神经网络本文档来自技高网...

【技术保护点】
1.一种低复杂度的光纤优化设计方法，其特征在于，所述方法包括以下步骤：/nS1：确定全局最优邻域定位算法，并基于该算法的函数重心的自适应搜索决策来定位全局最优邻域；/nS2：构建并训练BP神经网络模型；/nS3：在首次寻优得到的全局最优邻域范围内，基于训练完成的BP神经网络计算得到各种光纤结构下的映射输出数据集，并针对该数据集，再次调用全局最优邻域定位算法，进行二次寻优，在实际光纤拉制、应用限制条件下，来寻找最优光纤结构参数并进行输出。/n

【技术特征摘要】
1.一种低复杂度的光纤优化设计方法，其特征在于，所述方法包括以下步骤：
S1：确定全局最优邻域定位算法，并基于该算法的函数重心的自适应搜索决策来定位全局最优邻域；
S2：构建并训练BP神经网络模型；
S3：在首次寻优得到的全局最优邻域范围内，基于训练完成的BP神经网络计算得到各种光纤结构下的映射输出数据集，并针对该数据集，再次调用全局最优邻域定位算法，进行二次寻优，在实际光纤拉制、应用限制条件下，来寻找最优光纤结构参数并进行输出。


2.根据权利要求1所述的低复杂度的光纤优化设计方法，其特征在于，S1包括以下步骤：
S101：初始化参数：首先在考虑实际光纤拉制、应用条件下，确定光纤设计通用模型，针对不同的光纤结构类型，设置具体结构参数、全局最优邻域定位算法的参数以及输入输出变量；
S102：基于函数重心的自适应决策：依据局部搜索状态的执行次数是否达到局部搜索状态的预设的执行次数限制，或者每一次迭代得到的各数据点适应度值是否大于当前函数重心点适应度阈值，来自适应决策进入全局搜索状态或局部搜索状态或更新搜索邻域中心；
S103、更新重心：根据步骤S102中的决策来选择相应的更新重心方式以及参与计算重心的数据点；
S104：执行搜索状态：
全局搜索状态：依据压缩比来缩小全局搜索范围，并以当前的重心为邻域中心以及边界条件来定位当前全局搜索范围，以随机编码的方式在该范围内进行电磁仿真计算得到相应数据点，根据步骤S103来更新重心，并根据重心是否在全局搜索范围内来确定全局最优邻域定位算法结束后全局最优邻域以及重心判断参数；
局部搜索状态：根据当前全局搜索范围来决定局部搜索范围，保留当前数据点大于重心值的点即保留点，用保留点更新重心，储存当前重心与当前最优值；
将数据点小于重心值的点即无用点，依据各保留点与重心的距离大小关系得到给各保留点分配相应无用点的数量关系来分配搜索点，以减少搜索新数据点的个数，在各保留点的局部搜索范围内以随机编码的方式进行电磁仿真计算，得到与各保留点被分配得到的无用点数量等量的数据点；
更新搜索邻域中心：根据步骤S103更新的重心值，储存当前重心与当前最优值，将当前最优值作为当前重心；
S105、更新全局最优值：在局部搜索状态下更新全局最优值并储存；
S106、循环结束判断：当全局搜索次数达到预定义次数时或保留点与重心的最大距离小于期望邻域收敛范围时，循环结束，并确定搜索次数判断参数；
S107、输出全局最优邻域：
通过重心判断参数确定邻域中心：当步骤S104中全局搜索状态的重心不在全局搜索范围内，则以全局最优作为邻域中心，否则以重心为邻域中心；
通过搜索次数判断参数确定邻域收敛范围：
当保留点与重心的最大距离小于期望邻域收敛范围时，循环结束，全局搜索次数未达到预定义次数，则以当前全局搜索范围作为邻域收敛范围；
当保留点与重心的最大距离不小于期望邻域收敛范围时，全局搜索次数达到预定义次数，循环结束，则以步骤S101中的期望收敛邻域范围Ω0作为邻域收敛范围；
最后通过邻域中心与邻域收敛范围联立得到全局最优邻域，并输出；
S108、存储在全局最优邻域内的数据集。


3.根据权利要求2所述的低复杂度的光纤优化设计方法，其特征在于，针对不同的光纤结构类型，设置具体结构参数包括：
圆形纤芯多模光纤结构参数包括：包层外直径，芯层外半径；
环形纤芯光纤结构参数包括：包层外直径、芯层外半径范围、芯层厚度与外半径比值范围、内包层与外包层折射率、传导模式径向强度分布极大值个数；
多芯光纤结构参数包括：包层外直径、外层纤芯离包层外边缘距离、芯间距；
全局最优邻域定位算法的输入输出变量设置具体如下：
圆形...

【专利技术属性】
技术研发人员：刘洁，林健培，施楚民，张景行，莫舒淇，余思远，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44