一种系统优化方法、装置、设备及计算机可读存储介质制造方法及图纸

技术编号:39284599 阅读:8 留言:0更新日期:2023-11-07 10:56
本申请公开了一种系统优化方法、装置、设备及计算机可读存储介质,系统优化方法应用于通信系统,通信系统包括编码器、传输信道和解码器,方法包括:获取训练信号、预设神经网络模型和所述传输信道的信道模型,其中,所述编码器和所述解码器是通过所述预设神经网络模型构建的;按照所述预设神经网络模型和所述信道模型的设置顺序依次对所述训练信号进行传输处理,得到输出信号;确定所述输出信号与所述训练信号之间的差异信息,并基于所述差异信息调整所述预设神经网络模型的参数,得到训练好的神经网络模型;基于所述训练好的神经网络模型确定优化后编码器和优化后解码器。如此,建立针对通信系统整体的网络模型,实现对通信系统的整体优化。统的整体优化。统的整体优化。

【技术实现步骤摘要】
一种系统优化方法、装置、设备及计算机可读存储介质


[0001]本申请涉及光纤通信及人工智能
,涉及但不限于一种系统优化方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]光纤通信系统是以光为载波,利用纯度极高的玻璃拉制成极细的光导纤维作为传输媒介,通过光电变换,用光来传输信息的通信系统。信号在光通信系统中传输的时候,光器件中存在的噪声,以及光纤的损耗、色散和非线性等因素会损伤传输的信号,而这在一定程度上决定了系统的通信容量。
[0003]相关技术通常是选择多种数字信号处理算法来分别优化信号受到的损伤,或者利用人工智能算法解决信道中线性和非线性失真的问题,虽然在某种程度上达到了各模块的最优,但是局部最优并不意味着是系统整体最优。因此,相关技术仍然拘泥于去补偿信号传输中“其一模块”的损伤,没有从系统整体出发,进而无法对传输系统整体进行优化,这样输出的信号质量无法达到全局最优。

技术实现思路

[0004]有鉴于此,本申请实施例提供一种系统优化方法、装置、设备及计算机可读存储介质。
[0005]本申请实施例的技术方案是这样实现的:
[0006]本申请实施例提供一种系统优化方法,应用于通信系统,所述通信系统包括编码器、传输信道和解码器,所述方法包括:
[0007]获取训练信号、预设神经网络模型和所述传输信道的信道模型,其中,所述编码器和所述解码器是通过所述预设神经网络模型构建的;
[0008]按照所述预设神经网络模型和所述信道模型的设置顺序依次对所述训练信号进行传输处理,得到输出信号;
[0009]确定所述输出信号与所述训练信号之间的差异信息,并基于所述差异信息调整所述预设神经网络模型的参数,得到训练好的神经网络模型;
[0010]基于所述训练好的神经网络模型确定优化后编码器和优化后解码器。
[0011]本申请实施例提供一种系统优化装置,所述系统优化装置包括:
[0012]第一获取模块,用于获取训练信号、预设神经网络模型和所述传输信道的信道模型,其中,所述编码器和所述解码器是通过所述预设神经网络模型构建的;
[0013]第一处理模块,用于按照所述预设神经网络模型和所述信道模型的设置顺序依次对所述训练信号进行传输处理,得到输出信号;
[0014]调整模块,用于确定所述输出信号与所述训练信号之间的差异信息,并基于所述差异信息调整所述预设神经网络模型的参数,得到训练好的神经网络模型;
[0015]第一确定模块,用于基于所述训练好的神经网络模型确定优化后编码器和优化后
解码器。
[0016]本申请实施例提供一种系统优化设备,所述系统优化设备包括:
[0017]处理器;以及
[0018]存储器,用于存储可在所述处理器上运行的计算机程序;
[0019]其中,所述计算机程序被处理器执行时实现上述的系统优化方法。
[0020]本申请实施例提供一种计算机可读存储介质,所述计算机存储介质中存储有计算机可执行指令,该计算机可执行指令配置为执行上述系统优化方法。
[0021]本申请实施例提供一种系统优化方法、装置、设备及计算机可读存储介质,系统优化方法应用于通信系统,该通信系统包括编码器、传输信道和解码器,该系统优化方法包括:先获取训练信号、预设神经网络模型和传输信道的信道模型,其中,编码器和解码器是通过预设神经网络模型构建的;接着,按照预设神经网络模型和信道模型的设置顺序来依次对训练信号进行处理、传输,得到输出信号;然后,基于输出信号和训练信号的差异信息来训练预设神经网络模型的参数,从而得到训练好的神经网络模型;最后,基于训练好的神经网络模型确定优化后编码器和优化后解码器。这样一来,构建的是编码器和解码器整体对应的预设神经网络模型,也即是针对通信系统的输入端至输出端这一整体来构建预设神经网络模型,基于此也是对预设神经网络模型进行训练,从而得到训练好的神经网络模型,再确定出优化后编码器和优化后解码器,通过优化后编码器和优化后解码器实现对通信系统整体进行优化,能够使得最终得到的输出信号达到全局最优。
附图说明
[0022]在附图(其不一定是按比例绘制的)中,相似的附图标记可在不同的视图中描述相似的部件。附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
[0023]图1为本申请实施例提供的系统优化方法的一种实现流程示意图;
[0024]图2为本申请实施例提供的处理训练信号方法的一种实现流程示意图;
[0025]图3为本申请实施例提供的传输损耗处理方法的一种实现流程示意图;
[0026]图4为本申请实施例提供的训练子信号输入方法的一种实现流程示意图;
[0027]图5为本申请实施例提供的通信系统总体框架的一种结构示意图;
[0028]图6为本申请实施例提供的系统优化装置的一种组成结构示意图;
[0029]图7为本申请实施例提供的系统优化设备的一种组成结构示意图。
具体实施方式
[0030]为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
[0031]在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
[0032]在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的
顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0033]除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
[0034]信号在光通信系统中传输的时候,光器件中存在的噪声,以及光纤的损耗、色散和非线性等因素会损伤传输的信号,而这在一定程度上决定了系统的通信容量。光电器件的噪声主要来自光放大器,光纤的损耗(信号衰减)在没有光放大器和和光中继器的情况下,光纤的损耗很大程度限制了光纤通信系统的最大传输距离。色散也是光纤的固有的线性损伤,它会造成传输的光脉冲展宽,非线性效应属于光纤的非线性损伤,在长距离光纤传输中,色散和非线性效应会对信号产生显著的影响。
[0035]在实际的直接检测系统中,通常是选择多种数字信号处理算法来分别优化信号受到的损伤。例如示波器在对经过光电探测器的信号进行采样时,由于时钟信号与发射端的数模转换器(Digital To Analog Converter,DAC)的时钟不匹配,两者之前存在一个时延,采样点与最佳的采样点之前存在误差,不恰当的定本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种系统优化方法,应用于通信系统,其特征在于,所述通信系统包括编码器、传输信道和解码器,所述方法包括:获取训练信号、预设神经网络模型和所述传输信道的信道模型,其中,所述编码器和所述解码器是通过所述预设神经网络模型构建的;按照所述预设神经网络模型和所述信道模型的设置顺序依次对所述训练信号进行传输处理,得到输出信号;确定所述输出信号与所述训练信号之间的差异信息,并基于所述差异信息调整所述预设神经网络模型的参数,得到训练好的神经网络模型;基于所述训练好的神经网络模型确定优化后编码器和优化后解码器。2.根据权利要求1中所述的方法,其特征在于,所述预设神经网络模型的多个隐藏层包括至少一个编码隐藏层和至少一个解码隐藏层,所述按照所述预设神经网络模型和所述信道模型的设置顺序依次对所述训练信号进行传输处理,得到输出信号,包括:将所述训练信号输入至所述预设神经网络模型的输入层;利用所述至少一个编码隐藏层依次对所述训练信号进行特征提取和整型处理,得到传输信号;利用所述信道模型对所述传输信号进行传输损耗处理,得到损耗后信号;利用所述至少一个解码隐藏层对所述损耗后信号进行变换处理,得到变换后信号,并通过所述预设神经网络模型的输出层对所述变换后信号进行复原处理,得到所述输出信号。3.根据权利要求2中所述的方法,其特征在于,所述基于所述训练好的神经网络模型确定优化后编码器和优化后解码器,包括:将所述训练好的神经网络模型的输入层和所述训练好的神经网络模型的至少一个编码隐藏层确定为所述优化后编码器;将所述训练好的神经网络模型的至少一个解码隐藏层和所述训练好的神经网络模型的输出层确定为所述优化后解码器。4.根据权利要求2中所述的方法,其特征在于,在将所述训练信号输入至所述预设神经网络模型的输入层之前,所述方法还包括:获取待传输的数字信号;对所述待传输的数字信号进行预编码处理,得到所述训练信号。5.根据权利要求2中所述的方法,其特征在于,将所述训练信号输入至所述预设神经网络模型的输入层,包括:对所述训练信号进行分割处理...

【专利技术属性】
技术研发人员:丁理钟刚江源
申请(专利权)人:中国移动通信集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1