基于BP神经网络的拉曼放大器增益值计算方法及系统技术方案

本发明专利技术涉及一种基于BP神经网络的拉曼放大器增益值计算方法及系统，方法包括：获取数据集；将数据集划分为训练数据以及检验数据；根据训练数据确定BP神经网络模型的拓扑结构，得到初始BP神经网络模型；利用训练数据对初始BP神经网络模型进行训练，得到训练好的BP神经网络模型；根据训练好的BP神经网络模型计算当前泵浦光的波长数据和当前泵浦光的功率数据下的拉曼放大器增益值。本发明专利技术根据训练数据确定BP神经网络模型的拓扑结构，得到了最佳的学习模型，使得模型更准确、快速地映射泵浦光参数与拉曼放大器增益值之间的关系，进而快速、准确地计算拉曼放大器增益值。准确地计算拉曼放大器增益值。准确地计算拉曼放大器增益值。

【技术实现步骤摘要】
基于BP神经网络的拉曼放大器增益值计算方法及系统


[0001]本专利技术涉及拉曼放大器增益值预测
，特别是涉及一种基于BP神经网络的拉曼放大器增益值计算方法及系统。

技术介绍

[0002]拉曼放大技术被认为是未来多波段光通信系统中的一种有效的光信号放大解决方案，适用于5G以及下一代移动通信系统背景下的光放大。在DWDM(Dense Wavelength DivisionMultiplexing，密集型光波复用)系统中，拉曼放大器由于具有输出增益高、噪声指数低、响应速度快以及非线性失真小等优点，使得它在全光通信系统中发挥着重要的作用。在拉曼放大器设计中，泵光参数的选择是关键问题。传统的拉曼放大器设计需要求解一组描述泵浦光与信号光非线性效应的耦合拉曼波方程，由于其复杂性，无法直接计算该方程的解析解。数值方法如龙格
‑
库塔方法、打靶法和平均功率法常常应用于该问题的逼近。随着近年来进化算法和粒子群优化算法的研究，解决了这一问题。但是，算法耗时，效率低的问题仍然存在。

技术实现思路

[0003]本专利技术的目的是提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的拉曼放大器增益值计算方法，其特征在于，包括：获取数据集；所述数据集包括历史泵浦光的波长数据、历史泵浦光的功率数据以及历史拉曼放大器增益值；将所述数据集划分为训练数据以及检验数据；根据所述训练数据确定BP神经网络模型的拓扑结构，得到初始BP神经网络模型；利用所述训练数据对所述初始BP神经网络模型进行训练，得到训练好的BP神经网络模型；根据所述训练好的BP神经网络模型计算当前泵浦光的波长数据和当前泵浦光的功率数据下的拉曼放大器增益值。2.根据权利要求1所述的基于BP神经网络的拉曼放大器增益值计算方法，其特征在于，根据所述训练数据确定BP神经网络模型的拓扑结构之前，还包括：对所述训练数据进行缺失补全、异常值处理、归一化处理以及反归一化处理。3.根据权利要求1所述的基于BP神经网络的拉曼放大器增益值计算方法，其特征在于，根据所述训练数据确定BP神经网络的拓扑结构，得到初始BP神经网络模型，具体包括：根据所述训练数据中的历史泵浦光的波长数据以及所述训练数据中的历史泵浦光的功率数据确定BP神经网络模型的输入层；根据所述训练数据中的历史拉曼放大器增益值的增益值误差确定BP神经网络模型的隐含层；根据所述训练数据中的历史拉曼放大器增益值确定BP神经网络模型的输出层，得到初始BP神经网络模型。4.根据权利要求3所述的基于BP神经网络的拉曼放大器增益值计算方法，其特征在于，所述输入层、所述隐含层以及所述输出层采用正切S型传递函数TANSIG依次连接；所述输入层的层数为6层，所述隐含层的层数为5层，所述输出层的层数为51层；每层所述输入层、每层所述隐含层以及每层所...

【专利技术属性】
技术研发人员：巩稼民，刘芳，吴艺杰，张运生，朱泽昊，雷舒陶，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：