一种基于数据驱动的光载无线传输链路建模方法技术

本发明专利技术公开了一种基于数据驱动的光载无线传输链路建模方法，具体为：搭建需要建模的微波光子链路系统，采集所需建模两端的数据，构成微波光子链路系统信号数据集；对Transformer深度学习模型进行改进而构建成改进Transformer模型，并对改进Transformer模型的超参数进行调整；将微波光子链路系统信号数据集进行预处理输入到改进Transformer模型中进行训练；最终使改进Transformer模型能准确的拟合真实数据，得到的权值模型，即为微波光子链路系统的建模模型。本发明专利技术在保证链路系统模型准确性的前提下，增强了建模的真实性，以及模型运算的快速性。及模型运算的快速性。及模型运算的快速性。

【技术实现步骤摘要】
一种基于数据驱动的光载无线传输链路建模方法
[0001]

[0002]本专利技术属于深度学习回归拟合领域，尤其涉及一种基于数据驱动的光载无线传输链路建模方法。

技术介绍

[0003]微波光子链路的建模对系统设计和仿真具有重要意义。传统的链路系统建模采用分离的方法，由一系列单模型组成，包括激光器、调制器、光纤、光电探测器等。这些模块的模型都是基于严格的数值模型，需要明确数学理论以及可处理场景才有效，对于那些有解析解的复杂场景不在有效。构造全面、完整的微波光子仿真系统是一项复杂、系统的任务，需要具备丰富的专家知识。在进行系统建模的时，有些模型由于嵌套函数结构和重复的迭代操作使得模型计算时间较长，比如光纤信道的建模，传统的方法是基于分步傅里叶（SSFM）近似求解非线性薛定谔方程实现信道建模，但是SSFM方法随着光纤信号长度的增加，迭代次数也随之增加，从而导致了较高的计算复杂度。
[0004]近年来，深度学习在计算机视觉与自然语言处理领域取得了巨大的成功，研究人员也将深度学习逐渐应用到通信领域中。将深度学习作为一种数据驱动的信道建模方法，通过学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的光载无线传输链路建模方法，其特征在于，包括以下步骤：步骤1：搭建需要建模的微波光子链路系统，采集所需建模两端的数据，构成微波光子链路系统信号数据集；步骤2：对Transformer深度学习模型进行改进而构建成改进Transformer模型，并对改进Transformer模型的超参数进行调整；步骤3：将步骤1获得的微波光子链路系统信号数据集进行预处理输入到步骤2获得的改进Transformer模型中，进行训练；最终使改进Transformer模型能准确的拟合真实数据，得到的权值模型，即为微波光子链路系统的建模模型。2.根据权利要求1所述的一种基于数据驱动的光载无线传输链路建模方法，其特征在于，所述微波光子链路系统采用马赫
‑
曾德尔调制器（3）对激光器（1）发射出的连续光信号进行调制，调制器由正交调幅射频信号A（8）驱动；然后，产生的光调制信号通过光纤（4）传输并由光电探测器（5）接收；接收到的射频信号B（7）与射频信号A（8）作为深度学习模型的训练数据。3.根据权利要求2所述的一种基于数据驱动的光载无线传输链路建模方法，其特征在于，所述射频信号A（8）利用AWG生成正交幅度调制形成；对步骤1中采集的信号数据进行分组，以每个波形的采样点数进行分组。4.根据权利要求2所述的一种基于数据驱动的光载无线传输链路建模方法，其特征在于，所述步骤2中对Transformer深度学习模型进行改进具体为：1）对Transformer模型中涉及到的数据格式进行改变，由于Transformer原本是应用于自然语言处理领域中，对应的是句子序列和词向量，而这里的改进Transform...

【专利技术属性】
技术研发人员：朱越，叶佳，闫连山，潘炜，邹喜华，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：