基于深度学习的非正交波分复用时域鬼成像方法和系统技术方案

本发明专利技术公开了基于深度学习的非正交波分复用时域鬼成像方法和系统，属于光电信号处理领域。本发明专利技术采用神经网络来恢复待测时域信号。神经网络实际上是一种函数拟合，训练过程中神经网络模型学习到从接收端测量的功率积分向量与待测时域信号的映射关系。通过合理的生成并选择训练集来训练神经网络，实现非正交时多对一的映射，从而补偿了光源模式的时延，使得光源模式对时延不敏感，保证对时延的鲁棒性。本发明专利技术可以用不完全正交的器件在非正交的情况下，高速传输并恢复高质量信号，信号可达0.78ns，相对于现有技术提升了9个数量级。当时延小于0.5bit时，准确率可达99.8％，使得信号在高速传输的情况下质量也得到保证。

【技术实现步骤摘要】
基于深度学习的非正交波分复用时域鬼成像方法和系统
本专利技术属于光电信号处理领域，更具体地，涉及基于深度学习的非正交波分复用时域鬼成像方法和系统。
技术介绍
时域鬼成像技术是一种高速时域信号测量技术，目前已在信号探测，传输加密等领域广泛应用。该技术将待测时域信号调制到预编码的光载波上并传输，可以在接收端无时间分辨率的恢复时域信号。接收端的光电探测器的性能需求极低，无需大带宽的高速光电探测器。此外，成像方式对于信道的损耗不敏感，有利于高速时域信号探测及恢复。通常为了减少测量时的信道数量，波分复用时域鬼成像采用的光源码型为正交码型。但是由器件差异产生的不同信道间的时延，往往会破坏码型的正交性，导致恢复信号质量差，误码率较高。为了解决上述问题，PiotrRyczkowski等人的会议论文“SingleShotTimeDomainGhostImagingusingWavelengthMultiplexing”提出一种波长复用的计算时域鬼成像方法，其主要过程如下：发射端采用波分复用(WDM)的光源(包含多个波长)，并对光源调制Hadamard码型。将不同波长的光源合并在一条链路中形成光载波，调制待测信号到该载波上并传输。接收端解复用光载波，恢复出不同的波长信道的信息，并用传统鬼成像的关联算法恢复待测信号。虽然该方法通过严格同步的低速调制器件避免了时延发生，但是该方法存在以下缺陷和不足：对光源调制Hadamard码型，由于传统关联算法对码型正交性(同步无时延能保证码型的正交性)非常敏感，该论文采用波形整流器(Waveshaper)保证正交性。虽然Waveshaper可以保证各个波长完全同步，但该器件的调制速率非常慢，时间分辨率(可以分辨的信号最小时间间隔)只有0.5s。如果希望提高信号速率，需要使用传统的调制器，必然会面临各个波长的光源信号不同步的问题，会导致用传统关联算法恢复的信号严重失真。难以同时保证信号高速传输且质量较高。
技术实现思路
针对现有技术的缺陷和改进需求，本专利技术提供了基于深度学习的非正交波分复用时域鬼成像方法和系统，其目的在于通过全连接卷积神经网络补偿了光源模式的时延，使得光源模式对时延不敏感，保证对时延的鲁棒性。为实现上述目的，按照本专利技术的第一方面，提供了一种基于深度学习的非正交波分复用时域鬼成像方法，该方法包括：训练阶段：(S1)仿真生成最大时延下的训练集，训练样本为仿真获得的解复用后光载波的功率积分向量-真实待测时域信号，所述最大时延为N个光载波与待测时域信号的最大时延差，光载波的码型阶次N为2的整数次幂(例如但不限于N＝8，可扩展信道数量，生成更多信道的通信系统)；(S2)将仿真获得的解复用后光载波的功率积分向量作为神经网络的输入，将真实待测时域信号作为神经网络的输出，使用训练集训练神经网络；应用阶段：(T1)发射端生成预编码为正交码型的N波长光载波，将N个不同波长的光载波复用后开始传输，波长间允许有一定时延而不必完全同步；(T2)在传输链路中，将待测时域信号调制到复用后的光载波上；(T3)接收端接收到经待测时域信号调制的光载波后，解复用该光载波，得到功率积分向量，将该功率积分向量输入至训练好的神经网络，输出恢复的待测时域信号。优选地，所述最大时延小于0.5bit。有益效果：大于0.5bit下存在非唯一性问题，即不同延时情况下会生成相同的测量值，影响模型预测效果，本专利技术通过限定最大时延小于0.5bit，剔除相关问题数据。优选地，所述神经网络为全连接神经网络。有益效果：在时域鬼成像中处理时域信号需要训练全部信息，提取全部特征时全连接神经网络可以完整保留所有维度特征，使用梯度下降法训练时全连接神经网络效果稳定。相较于其他神经网络(例如，卷积神经网络仅保留局部特征)更具优势。为实现上述目的，按照本专利技术的第二方面，提供了一种基于深度学习的非正交波分复用时域鬼成像系统，该系统包括以下：发射端(1)，传输链路(2)和接收端(3)；所述发射端(1)用于生成预编码为正交码型的N波长光载波，将N个不同波长的光载波复用后开始传输，波长间允许有一定时延而不必完全同步；所述传输链路(2)用于将待测时域信号调制到复用后的光载波上；所述接收端(3)用于接收到经待测时域信号调制的光载波后，解复用该光载波，得到功率积分向量，将该功率积分向量输入至训练好的神经网络，输出恢复的待测时域信号。优选地，所述神经网络使用成最大时延下的训练集训练得到，训练样本为仿真获得的解复用后光载波的功率积分向量-真实待测时域信号，所述最大时延为N个光载波与待测时域信号的最大时延差，光载波的码型阶次N为2的整数次幂。优选地，所述最大时延小于0.5bit。优选地，所述神经网络为全连接神经网络。优选地，所述发射端包括：现场可编程门阵列FPGA，用于产生Hadamard码型的N路电信号，作为光源的码型，Hadamard码型中为‘-1’的码型改为‘0’；光模块Transceiver，用于接收Hadamard码型的电信号并生成N路光信号；阵列波导光栅AWG1，用于将N路光信号复用为一路，在一根光纤中作为光载波传输。有益效果：相对于现有技术是模拟信号的光源，本专利技术生成的是数字码型的光源，发射端生成的待测时域信号是数字信号。优选地，所述传输链路包括：掺铒光纤放大器EDFA，用于放大信号光功率以补偿光纤导致的功率损耗；偏振控制器PC，用于调整光载波与马赫-曾德尔调制器MZM的偏振态一致；射频放大器RFA，用于放大FPGA产生的待测时域信号；马赫-曾德尔调制器MZM，用于将放大后的FPGA产生的待测时域信号调制到偏振态调整后的光载波上。优选地，所述接收端包括：阵列波导光栅AWG2，用于解复用光载波，生成N个不同波长信道的光信号；光电探测器PD，用于将N路光信号转为N路电信号；示波器Oscilloscope，用于探测并积分生成N路电信号的功率积分，构成功率积分向量；预测模块，用于将功率积分向量输入训练好的神经网络模型，输出预测的待测时域信号。总体而言，通过本专利技术所构思的以上技术方案，能够取得以下有益效果：相对于现有技术，本专利技术采用神经网络来恢复待测时域信号。神经网络实际上是一种函数拟合，训练过程中神经网络模型学习到从接收端测量的功率积分向量与待测时域信号的映射关系。在正交的情况下为一一映射，在非正交情况下为多对一映射。通过合理的生成训练集，优选合适的训练集来训练神经网络，实现上述多对一的映射，从而补偿了光源模式的时延，使得光源模式对时延不敏感，保证对时延的鲁棒性。因此，可以用不完全正交的器件(例如，XFP光模块)在非正交的情况下，高速传输并恢复高质量信号，信号可达0.78ns，相对于现有技术提升了9个数量级，当时延小于0.5bit时准确率可达99.8％，使得信号在高速传输的情况下质量也得到本文档来自技高网...

【技术保护点】
1.一种基于深度学习的非正交波分复用时域鬼成像方法，其特征在于，该方法包括：/n训练阶段：/n(S1)仿真生成最大时延下的训练集，训练样本为仿真获得的解复用后光载波的功率积分向量-真实待测时域信号，所述最大时延为N个光载波与待测时域信号的最大时延差，光载波的码型阶次N为2的整数次幂；/n(S2)将仿真获得的解复用后光载波的功率积分向量作为神经网络的输入，将真实待测时域信号作为神经网络的输出，使用训练集训练神经网络；/n应用阶段：/n(T1)发射端生成预编码为正交码型的N波长光载波，将N个不同波长的光载波复用后开始传输，波长间允许有一定时延而不必完全同步；/n(T2)在传输链路中，将待测时域信号调制到复用后的光载波上；/n(T3)接收端接收到经待测时域信号调制的光载波后，解复用该光载波，得到功率积分向量，将该功率积分向量输入至训练好的神经网络，输出恢复的待测时域信号。/n

【技术特征摘要】
1.一种基于深度学习的非正交波分复用时域鬼成像方法，其特征在于，该方法包括：
训练阶段：
(S1)仿真生成最大时延下的训练集，训练样本为仿真获得的解复用后光载波的功率积分向量-真实待测时域信号，所述最大时延为N个光载波与待测时域信号的最大时延差，光载波的码型阶次N为2的整数次幂；
(S2)将仿真获得的解复用后光载波的功率积分向量作为神经网络的输入，将真实待测时域信号作为神经网络的输出，使用训练集训练神经网络；
应用阶段：
(T1)发射端生成预编码为正交码型的N波长光载波，将N个不同波长的光载波复用后开始传输，波长间允许有一定时延而不必完全同步；
(T2)在传输链路中，将待测时域信号调制到复用后的光载波上；
(T3)接收端接收到经待测时域信号调制的光载波后，解复用该光载波，得到功率积分向量，将该功率积分向量输入至训练好的神经网络，输出恢复的待测时域信号。


2.如权利要求1所述的方法，其特征在于，所述最大时延小于0.5bit。


3.如权利要求1或2所述的方法，其特征在于，所述神经网络为全连接神经网络。


4.一种基于深度学习的非正交波分复用时域鬼成像系统，其特征在于，该系统包括以下：发射端(1)，传输链路(2)和接收端(3)；
所述发射端(1)用于生成预编码为正交码型的N波长光载波，将N个不同波长的光载波复用后开始传输，波长间允许有一定时延而不必完全同步；
所述传输链路(2)用于将待测时域信号调制到复用后的光载波上；
所述接收端(3)用于接收到经待测时域信号调制的光载波后，解复用该光载波，得到功率积分向量，将该功率积分向量输入至训练好的神经网络，输出恢复的待测时域信号。


5.如权利要求4所述的系统，其特征在于，所述神经网络...

【专利技术属性】
技术研发人员：张敏明，邹丹丹，刘德明，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42