基于特征解耦的分布式光纤信道快速精确建模方法和系统与流程

技术特征：
1.一种基于特征解耦的分布式光纤信道快速精确建模方法，其特征在于，包括：步骤s1：采集不同光纤信道条件下的输入输出数据，作为训练数据集；步骤s2：通过线性补偿算法对包括非线性特征的信道的输出数据进行补偿；步骤s3：进行数据预处理与排布，得到适用于神经网络训练的非线性数据集；步骤s4：基于神经网络结构与深度学习算法对非线性信道特征进行建模，通过训练得到非线性信道模型；步骤s5：在传输过程中，依次对非线性模型、线性模型、放大器模型进行建模，然后实行多次迭代，最终实现光纤信道模型的长距传输。2.根据权利要求1所述的基于特征解耦的分布式光纤信道快速精确建模方法，其特征在于，所述步骤s1包括：从光纤信道模型中采集信道输入输出数据，信道数据设定为在多倍采样率下的数据，其具有模拟信号的全部特征，且通过调节信号参数、信道参数来改变信道数据特征，从而采集得到不同条件下的数据集。3.根据权利要求1所述的基于特征解耦的分布式光纤信道快速精确建模方法，其特征在于，信号的线性补偿算法包括色度色散补偿与偏振膜色散补偿，且线性补偿算法是一个可逆过程，所述线性补偿算法从非线性薛定谔方程中推导出来。4.根据权利要求1所述的基于特征解耦的分布式光纤信道快速精确建模方法，其特征在于，所述步骤s3包括：步骤s3.1：将输入数据与输出数据数据归一化，将不同条件的信道输入与信道输出数据的功率归一化在预设范围内；步骤s3.2：将双偏振信号的实部、虚部连接起来，构成一维向量作为神经网络的输入数据与输出数据，排布的数据长度为设置的神经网络每次生成数据的长度；步骤s3.3：利用滑动窗口依次选取所需长度的输入数据，滑动窗口大小与信道的时间记忆长度有关。5.根据权利要求1所述的基于特征解耦的分布式光纤信道快速精确建模方法，其特征在于，采用随机梯度下降法对神经网络的参数进行训练，使损失函数降为最低；所述损失函数为信道输出非线性数据与神经网络输出数据之间的均方误差；所述放大器模型中包含放大特性与器件引发的随机噪声特性。6.一种基于特征解耦的分布式光纤信道快速精确建模系统，其特征在于，包括：模块m1：采集不同光纤信道条件下的输入输出数据，作为训练数据集；模块m2：通过线性补偿算法对包括非线性特征的信道的输出数据进行补偿；模块m3：进行数据预处理与排布，得到适用于神经网络训练的非线性数据集；模块m4：基于神经网络结构与深度学习算法对非线性信道特征进行建模，通过训练得到非线性信道模型；模块m5：在传输过程中，依次对非线性模型、线性模型、放大器模型进行建模，然后实行多次迭代，最终实现光纤信道模型的长距传输。7.根据权利要求6所述的基于特征解耦的分布式光纤信道快速精确建模系统，其特征在于，所述模块m1包括：从光纤信道模型中采集信道输入输出数据，信道数据设定为在多倍采样率下的数据，其具有模拟信号的全部特征，且通过调节信号参数、信道参数来改变信道数据特征，从而采集得到不同条件下的数据集。
8.根据权利要求6所述的基于特征解耦的分布式光纤信道快速精确建模系统，其特征在于，信号的线性补偿算法包括色度色散补偿与偏振膜色散补偿，且线性补偿算法是一个可逆过程，所述线性补偿算法从非线性薛定谔方程中推导出来。9.根据权利要求6所述的基于特征解耦的分布式光纤信道快速精确建模系统，其特征在于，所述模块m3包括：模块m3.1：将输入数据与输出数据数据归一化，将不同条件的信道输入与信道输出数据的功率归一化在预设范围内；模块m3.2：将双偏振信号的实部、虚部连接起来，构成一维向量作为神经网络的输入数据与输出数据，排布的数据长度为设置的神经网络每次生成数据的长度；模块m3.3：利用滑动窗口依次选取所需长度的输入数据，滑动窗口大小与信道的时间记忆长度有关。10.根据权利要求6所述的基于特征解耦的分布式光纤信道快速精确建模系统，其特征在于，采用随机梯度下降法对神经网络的参数进行训练，使损失函数降为最低；所述损失函数为信道输出非线性数据与神经网络输出数据之间的均方误差；所述放大器模型中包含放大特性与器件引发的随机噪声特性。

技术总结
本发明提供了一种基于特征解耦的分布式光纤信道快速精确建模方法和系统，包括：步骤S1：采集不同光纤信道条件下的输入输出数据，作为训练数据集；步骤S2：通过线性补偿算法对包括非线性特征的信道的输出数据进行补偿；步骤S3：进行数据预处理与排布，得到适用于神经网络训练的非线性数据集；步骤S4：基于神经网络结构与深度学习算法对非线性信道特征进行建模，通过训练得到非线性信道模型；步骤S5：在传输过程中，依次对非线性模型、线性模型、放大器模型进行建模，然后实行多次迭代，最终实现光纤信道模型的长距传输。本发明不需要过多的迭代步骤，即可实现低复杂度、高精确、强泛化的光纤信道建模。光纤信道建模。光纤信道建模。


技术研发人员：义理林 杨航 牛泽坤
受保护的技术使用者：上海交通大学
技术研发日：2021.12.06
技术公布日：2022/3/3