【技术实现步骤摘要】
本专利技术涉及光学通信领域，尤其是涉及一种基于长短时模型集成的多模光纤数据传输方法及系统。
技术介绍
1、随着大数据时代的发展，对网络传输速度的要求越来越高，基于单模光纤的光纤通信系统组成了现代互联网的主干。多模光纤的空间自由度允许它传输更复杂的空间信息，通过高维编码与传统模分复用、波分复用等复用方法兼容被认为有望成为提高通信速率的重要资源。多模光纤的传输速度相比于传统的单模光纤将会有数量级上提升，是未来超高速通信系统发展的重要方向。
2、但目前由于不可避免的模式混合和模式色散，使得输入多模光纤的图像都会在输出端被转换为复杂的散斑图案模式。目前深度学习的传输方法已经被大规模的开发应用于多模光纤的信息传输。但由于多模光纤的时变性，这些传输模型很快就会失效，如何长时间连续的传输信息依旧是多模光纤应用于通信领域的一个难题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种基于长短时模型集成的多模光纤数据传输方法及系统，可进行长时间连续且准确的信息传输。
2、本本文档来自技高网...
【技术保护点】
1.一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，所述短时神经网络的数量至少为2。
3.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，所述内嵌的神经网络为卷积神经网络或全连接神经网络。
4.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，所述长短时训练模型的损失函数为均方误差MSE图像度量指标、结构相似性SSIM图像度量指标、或两者的加权求和。
...
【技术特征摘要】
1.一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，所述短时神经网络的数量至少为2。
3.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，所述内嵌的神经网络为卷积神经网络或全连接神经网络。
4.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，所述长短时训练模型的损失函数为均方误差mse图像度量指标、结构相似性ssim图像度量指标、或两者的加权求和。
5.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，初始一段时间的输出散斑和对应的图片真值对内嵌的多个神经网络分别进行初始训练，后续传输将只提供实时的散斑图片。
6.根据权利要求1所述的一种基于长短时模型集成的多模光纤数据传输方法，其特征在于，对于...
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。