一种光纤非线性均衡方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种光纤非线性均衡方法、系统、装置及存储介质，属于光传输技术领域，方法包括：获取接收端接收到的M

【技术实现步骤摘要】
一种光纤非线性均衡方法、系统、装置及存储介质


[0001]本专利技术涉及一种光纤非线性均衡方法、系统、装置及存储介质，属于光传输


技术介绍

[0002]自20世纪60年代光纤通信技术专利技术以来，由于光纤通信其独特的特点，光纤通信技术成为目前唯一可以支持全球通信的通信系统，并且发展迅速。在现如今的通信网络中，光纤通信已经成为必不可少的一部分，随着人们对高带宽业务的需求，人们对信息传输链路的要求也越来越高，需付出巨大努力来应对下一代移动网络和高带宽互联网应用所带来的指数级增长的容量需求。光纤通信界十年前就预测到容量需求即将激增，并开始集中精力研究在这方面的技术，现在相干光通信技术已成为骨干网的主要通信技术之一。
[0003]近年来，通信技术不断更新，数据容量不断扩大，距离不断增加，光纤里的非线性也日益突出。经过20年的高水平研究，已经确定了几种解决方案，包括高阶调制格式的组合，包括概率和/或几何形状，以及波分复用(WDM)辅助空间分复用或向其他波段如o波段的带宽扩展。因此，无论采用什么方法提高信道容量，其最终的主要限制因素还是非线性的香农传输限制。在长距离高带宽光网络中，这一限制主要是由于克尔诱导的光纤在通道内和通道间形成的非线性，以及它们与级联光放大器放大的自发发射噪声的相互作用。现如今主要非线性均衡的方法有中继光相位补偿(OPC)、数字反向传播算法(DBP)、反向伏尔特拉级数传输函数(IVSTF)。
[0004]OPC的应用需要波长转换器，同时与动态配置的弹性光网络不兼容；DBP的复杂性高，用其模拟多通道信道传输不切实际；IVSTF本质是缓解信道内部的非线性，不适应目前光通信多通道发展的需求。

技术实现思路

[0005]本专利技术的目的在于提供一种光纤非线性均衡方法、系统、装置及存储介质，解决现有技术中复杂性高、适应度低等问题。
[0006]为实现以上目的，本专利技术是采用下述技术方案实现的：
[0007]第一方面，本专利技术提供了一种光纤非线性均衡方法，包括：
[0008]获取接收端接收到的M
‑
QAM信号序列；
[0009]将M
‑
QAM信号序列输入到训练好的基于忆阻阵列的双向长短期记忆神经网络中，输出分数矩阵；
[0010]根据分数矩阵和训练过程得到的训练分数矩阵使用维比特算法获得各输入特征序列对应的最优标签序列，所有最优标签序列的中间标签值组成M
‑
QAM信号序列的标签值，将标签值对应的数据类别进行星座映射得到发送端发送的原始信号序列，完成非线性均衡。
[0011]结合第一方面，进一步的，所述基于忆阻阵列的双向长短期记忆神经网络通过以
下方法进行训练：
[0012]构造具有真实标签的训练数据集；
[0013]将训练数据集分成若干批，对基于忆阻阵列的双向长短期记忆神经网络进行分批训练，训练时采用Adam优化算法对网络中的参数进行优化。
[0014]结合第一方面，进一步的，所述基于忆阻阵列的双向长短期记忆神经网络包括输入层、隐藏层和输出层，在输入层中提取M
‑
QAM信号序列中各符号的输入特征序列，将各输入特征序列送至隐藏层由双向长短期记忆单元进行处理，并将处理结果转换为分数矩阵，输出层将分数矩阵输出。
[0015]结合第一方面，进一步的，在输入层中提取M
‑
QAM信号序列中各符号的输入特征序列，包括：
[0016]对于M
‑
QAM信号序列中的第i个符号，将第i个符号和第i个符号前后k个符号组合起来，得到第i个符号的输入特征序列。
[0017]结合第一方面，进一步的，所述双向长短期记忆单元包括输入门、遗忘门和输出门；
[0018]输入门用于控制当前时刻的输入信息被记入记忆状态的比例；
[0019]遗忘门用于控制前一时刻的记忆状态被计入当前时刻的记忆状态的比例；
[0020]输出门用于控制当前时刻的记忆状态被记入当前时刻的隐藏层状态的比例；
[0021]双向长短期记忆单元的方程表征式如下：
[0022][0023]其中，为输入门的初始比例输入值，为输入门的前一时刻比例值，为遗忘门比例输入值，为输出门比例输入值，x
t
为当前时刻的输入信息，h
t
为当前时刻的隐藏层状态，h
t
‑1为前一时刻的隐藏层状态，W
a
、W
i
、W
f
、W
o
为当前时刻输入信号的权重参数矩阵，U
a
、U
i
、U
f
、U
o
为前一时刻的隐藏层状态的权重参数矩阵，b
a
、b
i
、b
f
、b
o
为偏置参数矩阵；
[0024][0025][0026]其中，σ()为Sigmoid函数，为哈达玛积，c
t
‑1为前一时刻的记忆状态。
[0027]第二方面，本专利技术还提供了一种光纤非线性均衡系统，包括：
[0028]信号获取模块：用于获取接收端接收到的M
‑
QAM信号序列；
[0029]信号处理模块：用于将M
‑
QAM信号序列输入到训练好的基于忆阻阵列的双向长短期记忆神经网络中，输出分数矩阵；
[0030]信号转换模块：用于根据分数矩阵和训练过程得到的训练分数矩阵使用维比特算
法获得各输入特征序列对应的最优标签序列，所有最优标签序列的中间标签值组成M
‑
QAM信号序列的标签值，将标签值对应的数据类别进行星座映射得到发送端发送的原始信号序列，完成非线性均衡。
[0031]第三方面，本专利技术还提供了一种光纤非线性均衡装置，包括处理器及存储介质；
[0032]所述存储介质用于存储指令；
[0033]所述处理器用于根据所述指令进行操作以执行根据第一方面任一项所述方法的步骤。
[0034]第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述方法的步骤。
[0035]与现有技术相比，本专利技术所达到的有益效果是：
[0036]本专利技术提供的一种光纤非线性均衡方法、系统、装置及存储介质，通过忆阻阵列构建的双向长短期记忆神经网络，忆阻器具有双端存储功能，它在存储信息的同一位置通过物理定律进行计算，在功耗和推理延迟方面，与cmos(Complementary Metal
‑
Oxide
‑
Semiconductor)相对应的器件相比具有显著的优势，基于忆阻阵列的双向长短期记忆神经网络是具有高效率的人工智能神经网络，不仅能够实现光纤的非线性均衡，而且利用忆阻阵列实现突触权值能够大量降低网络的复杂性，可以存储大量的参数，从而提高内存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光纤非线性均衡方法，其特征在于，包括：获取接收端接收到的M
‑
QAM信号序列；将M
‑
QAM信号序列输入到训练好的基于忆阻阵列的双向长短期记忆神经网络中，输出分数矩阵；根据分数矩阵和训练过程得到的训练分数矩阵使用维比特算法获得各输入特征序列对应的最优标签序列，所有最优标签序列的中间标签值组成M
‑
QAM信号序列的标签值，将标签值对应的数据类别进行星座映射得到发送端发送的原始信号序列，完成非线性均衡。2.根据权利要求1所述的一种光纤非线性均衡方法，其特征在于，所述基于忆阻阵列的双向长短期记忆神经网络通过以下方法进行训练：构造具有真实标签的训练数据集；将训练数据集分成若干批，对基于忆阻阵列的双向长短期记忆神经网络进行分批训练，训练时采用Adam优化算法对网络中的参数进行优化。3.根据权利要求1所述的一种光纤非线性均衡方法，其特征在于，所述基于忆阻阵列的双向长短期记忆神经网络包括输入层、隐藏层和输出层，在输入层中提取M
‑
QAM信号序列中各符号的输入特征序列，将各输入特征序列送至隐藏层由双向长短期记忆单元进行处理，并将处理结果转换为分数矩阵，输出层将分数矩阵输出。4.根据权利要求3所述的一种光纤非线性均衡方法，其特征在于，在输入层中提取M
‑
QAM信号序列中各符号的输入特征序列，包括：对于M
‑
QAM信号序列中的第i个符号，将第i个符号和第i个符号前后k个符号组合起来，得到第i个符号的输入特征序列。5.根据权利要求3所述的一种光纤非线性均衡方法，其特征在于，所述双向长短期记忆单元包括输入门、遗忘门和输出门；输入门用于控制当前时刻的输入信息被记入记忆状态的比例；遗忘门用于控制前一时刻的记忆状态被计入当前时刻的记忆状态的比例；输出门用于控制当前时刻的记忆状态被记入当前时刻的隐藏层状态的比例；双向长短期记忆单元的方程表征式如下：其中，为...

【专利技术属性】
技术研发人员：刘博，任建新，毛雅亚，仲庆，吴翔宇，吴泳锋，孙婷婷，赵立龙，戚志鹏，李莹，王凤，哈特，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：