一种基于CNN网络预均衡链路增益的方法及装置制造方法及图纸

本发明专利技术公开了一种基于CNN网络预均衡链路增益的方法及装置，涉及光通信领域，该方法包括将进入光纤链路前后的全波段信号光输入光谱仪，以测得不同波长的信号光进入链路前后的光功率；建立基于CNN网络的神经网络模型，并将测得的光功率作为训练集输入神经网络模型，实现对神经网络模型的训练；将链路不同波长的期望光功率输入训练完成的神经网络模型，得到光纤所需设置的输入光功率。所述神经网络模型包括CNN层和全连接层。本发明专利技术使用CNN网络建模，开销小精度高，可用于对全波段波长的增益进行预均衡。预均衡。预均衡。

【技术实现步骤摘要】
一种基于CNN网络预均衡链路增益的方法及装置


[0001]本专利技术涉及光通信领域，具体涉及一种基于CNN网络预均衡链路增益的方法及装置。

技术介绍

[0002]在多波段波分复用(WDM)系统中，光信号经过多跨距长距离传输后，由于光放大器的作用和光纤中的受激拉曼散射(SRS)，不同波长的功率增益会产生较大的差异，功率谱发生翘曲和抖动，因此必须在全波段范围内对整个链路实现增益平衡，这对于稳定各波长的增益和保证各业务的服务质量至关重要。
[0003]在机器学习技术的帮助下，已有多种神经网络模型应用于多跨光纤链路中不同波长的功率均衡问题，并达到较好的预测精度，但较少方案涉及C+L波段等全波段多波长场景，神经网络模型会随着波道数量增加而变大，计算开销巨大。因此，为应对全波段场景下多波长的增益均衡，当前亟需一种更精简的神经网络模型来进行系统级建模，从而实现预测。

技术实现思路

[0004]针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于CNN网络预均衡链路增益的方法及装置，使用CNN网络建模，开销小精度高，可用于对全波段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN网络预均衡链路增益的方法，其特征在于，具体包括以下步骤：将进入光纤链路前后的全波段信号光输入光谱仪，以测得不同波长的信号光进入链路前后的光功率；建立基于CNN网络的神经网络模型，并将测得的光功率作为训练集输入神经网络模型，实现对神经网络模型的训练；将链路不同波长的期望光功率输入训练完成的神经网络模型，得到光纤所需设置的输入光功率。2.如权利要求1所述的一种基于CNN网络预均衡链路增益的方法，其特征在于，所述将测得的光功率作为训练集输入神经网络模型，实现对神经网络模型的训练，具体步骤包括：将测得的光功率中不同波长信号光进入链路之后的光功率作为输入，不同波长信号光进入链路之前的光功率作为输出，构建训练集；基于构建得到的训练集对神经网络模型进行训练。3.如权利要求1所述的一种基于CNN网络预均衡链路增益的方法，其特征在于，所述将链路不同波长的期望光功率输入训练完成的神经网络模型，得到光纤所需设置的输入光功率，具体步骤包括：将链路不同波长的期望光功率作为输入输至训练完成的神经网络模型，则神经网络模型的输出即为光纤所需设置的输入光功率；基于神经网络模型的输出设置光纤的输入光功率，得到期望的光纤输出光功率。4.如权利要求1所述的一种基于CNN网络预均衡链路增益的方法，其特征在于：所述神经网络模型包括CNN层和全连接层。5.如权利要求4所述的一种基于CNN网络预均衡链路增益的方法，其特征在于：所述CNN层包括卷积层；所述卷积层由长度为K的卷积核构成，K为大于5的奇数；所述...

【专利技术属性】
技术研发人员：刘武，罗鸣，杨超，
申请(专利权)人：武汉邮电科学研究院有限公司，
类型：发明
国别省市：