光通信装置的神经网络自适应调制方法及系统与流程

本申请涉及光通信设备管理，尤其涉及一种光通信装置的神经网络自适应调制方法及系统。

背景技术：

1、光通信技术自问世以来，以其高带宽、低衰减和抗电磁干扰的优势，迅速成为现代通信网络的骨干。然而，随着通信需求的不断增长和通信环境的日益复杂，光通信系统面临的挑战也日益严峻。在这种背景下，调制方法的选择和适应性显得尤为重要。

2、目前，大多数光通信系统采用固定的调制方式，如相移键控（phase shiftkeying, psk）、幅移键控（amplitude shift keying, ask）和正交幅度调制（quadratureamplitude modulation, qam）等。这些调制方式在设计时通常针对特定的通信环境和需求，难以应对实际运行过程中环境的变化。例如，在干扰较小的环境下，固定调制方式可能表现良好，但在干扰突然增加的情况下，通信质量会显著下降。

3、此外，光通信系统的运行环境和设备状态可能随时发生变化，如环境温度变化、信道差异化状态、各个光通信装置或信道的环境干扰噪声存在差异等。现有的调制方法缺乏快速响应能力，难以及时调整调制参数以适应这些变化，从而导致通信质量波动大，稳定性差。

4、针对上述问题，目前业界暂未提出较佳的技术解决方案。

技术实现思路

1、本申请提供一种光通信装置的神经网络自适应调制方法、系统、存储介质、计算机程序产品及电子设备，用以至少解决目前相关技术中固定调制方式的抗干扰能力弱和稳定性差的问题。

2、第一方面，本申请实施例提供一种光通信装置的神经网络自适应调制方法，包括：获取光通信装置中目标光纤信道的多模态传感时序数据；所述多模态传感时序数据包含多个历史时间步和相应的多维传感数据，所述多维传感数据包含信噪比、误码率、偏振模色散、环境温度和环境干扰噪声；基于自动编码器处理所述多模态传感时序数据，以确定相应的重构时序特征矩阵；将所述重构时序特征矩阵输入至自适应调制模型，以确定相应的目标调制数据；所述目标调制数据的参数类型包含调制方式、调制深度和编码率；根据所述目标调制数据，更新所述光通信装置中针对所述目标光纤信道的调制参数设置；其中，所述自适应调制模型采用混合神经网络模型，其包括深度卷积神经网络、长短期记忆网络和调制参数生成模块；所述深度卷积神经网络用于从所述重构时序特征矩阵中提取各个时间步所分别对应的时序模式特征；所述时序模式特征定义了不同特征之间随时间变化的关联模式；所述长短期记忆网络用于处理所述重构时序特征矩阵和所述时序模式特征，以得到综合特征表示；所述调制参数生成模块用于通过全连接层处理综合特征表示，以得到目标调制数据。

3、第二方面，本申请实施例提供一种光通信装置的神经网络自适应调制系统，包括：信道数据获取单元，用于获取光通信装置中目标光纤信道的多模态传感时序数据；所述多模态传感时序数据包含多个历史时间步和相应的多维传感数据，所述多维传感数据包含信噪比、误码率、偏振模色散、环境温度和环境干扰噪声；特征提取单元，用于基于自动编码器处理所述多模态传感时序数据，以确定相应的重构时序特征矩阵；调制数据确定单元，用于将所述重构时序特征矩阵输入至自适应调制模型，以确定相应的目标调制数据；所述目标调制数据的参数类型包含调制方式、调制深度和编码率；信道调制设置单元，用于根据所述目标调制数据，更新所述光通信装置中针对所述目标光纤信道的调制参数设置；其中，所述自适应调制模型采用混合神经网络模型，其包括深度卷积神经网络、长短期记忆网络和调制参数生成模块；所述深度卷积神经网络用于从所述重构时序特征矩阵中提取各个时间步所分别对应的时序模式特征；所述时序模式特征定义了不同特征之间随时间变化的关联模式；所述长短期记忆网络用于处理所述重构时序特征矩阵和所述时序模式特征，以得到综合特征表示；所述调制参数生成模块用于通过全连接层处理综合特征表示，以得到目标调制数据。

4、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例的光通信装置的神经网络自适应调制方法的步骤。

5、第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请任一实施例的光通信装置的神经网络自适应调制方法的步骤。

6、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本申请任一实施例的光通信装置的神经网络自适应调制方法的步骤。

7、通过本申请提供的一种光通信装置的神经网络自适应调制方法及系统，能够至少产生如下的技术效果：

8、（1）通过获取光纤信道的多模态传感时序数据，能够实时监测和识别光纤信道中的各种环境因素和设备状态的变化，其包括信噪比（signal-to-noise ratio, snr）、误码率（bit error rate, ber）、偏振模色散（polarization mode dispersion, pmd）、环境温度和环境干扰噪声等，继而通过自适应调制模型动态调整调制方式、调制深度和编码率，实现了光纤信道对不同环境和状态的自适应调制，增强了抗干扰能力和通信质量稳定性。

9、（2）利用混合神经网络架构的自适应调制模型，包括深度卷积神经网络和长短期记忆网络，对多模态传感时序数据进行深度学习处理。深度卷积神经网络提取时序模式特征，长短期记忆网络处理这些特征并生成综合特征表示，再通过调制参数生成模块确定目标调制数据。由此，能够学习并捕捉到多维特征中不同特征之间随时间变化的关联模式以及各特征的时序依赖关系，使系统能够更精准地识别信道潜在的异常模式并调整相应的信道调制参数，从而在不同的通信环境下都能够保持高质量的信号传输，减少通信质量的波动。

10、（3）通过综合自动编码器和混合神经网络，利用自动编码器的特征分析提取功能高效地对有效特征进行提取并增强优化，并使用混合神经网络的预测结果，系统能够自适应地选择和调整调制方式、调制深度及编码率，能够根据实时监测的数据，动态选择最适合当前环境的调制方式，确保在低干扰环境中能够使用高效的调制方式提高数据传输效率，而在高干扰环境中能够切换至更稳健的调制方式保障通信的可靠性。

11、（4）针对存在多光纤信道的光通信装置，通过本技术方案，还能够针对不同光纤信道各自的实时状态进行检测并分别进行自适应调制，实现了光通信装置针对不同光纤信道的个性化调制。

12、通过本技术方案，通过引入神经网络自适应调制方法，实现了对光通信系统中多变信道环境的动态响应，提升了通信质量的稳定性和资源利用效率，并有效降低了运营和维护成本。

技术特征：

1.一种光通信装置的神经网络自适应调制方法，包括：

2.根据权利要求1所述的方法，其中，所述获取光通信装置中目标光纤信道的多模态传感时序数据，包括：

3.根据权利要求2所述的方法，其中，所述采样所述目标光纤信道的多模态传感时序数据，包括：

4.根据权利要求1-3中任一项所述的方法，其中，所述基于自编码器处理所述多模态传感时序数据，以确定相应的重构时序特征矩阵，包括：

5.根据权利要求1-3中任一项所述的方法，其中，所述自适应调制模型中的深度卷积神经网络采用多尺度深度卷积神经网络；

6.根据权利要求1-3中任一项所述的方法，其中，所述长短期记忆网络采用基于注意力机制的长短期记忆网络，其包含lstm层和注意力机制层；

7.根据权利要求6所述的方法，其中，所述调制参数生成模块采用基于自适应权重调整的调制参数生成模块，其包含自适应权重更新层、分类全连接层、第一回归全连接层和第二回归全连接层；

8.一种光通信装置的神经网络自适应调制系统，包括：

技术总结本申请提供一种光通信装置的神经网络自适应调制方法及系统，涉及光通信设备管理领域，该方法包括：获取光通信装置中目标光纤信道的多模态传感时序数据；基于自动编码器处理多模态传感时序数据，以确定相应的重构时序特征矩阵；将重构时序特征矩阵输入至自适应调制模型，以确定相应的目标调制数据；根据目标调制数据，更新光通信装置中针对目标光纤信道的调制参数设置，该自适应调制模型采用混合神经网络模型，其包括深度卷积神经网络、长短期记忆网络和调制参数生成模块。由此，通过引入神经网络自适应调制方法，实现了对光通信系统中多变信道环境的动态响应，提升了通信质量的稳定性和资源利用效率。技术研发人员：曲宝春受保护的技术使用者：苏州爱雄斯通信技术有限公司技术研发日：技术公布日：2024/9/17