申请/专利权人：中科(深圳)无线半导体有限公司

申请日：2021-07-30

公开（公告）日：2023-12-15

公开（公告）号：CN113612707B

主分类号：H04L25/02

分类号：H04L25/02;H04L27/26;H04B10/2513;H04B10/2569

优先权：

专利状态码：有效-授权

法律状态：2023.12.15#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明公开了一种基于ANN_LS的IMDD‑OFDMOQAM‑PON系统信道估计方法，首先收集时域数据，用时域数据进行前向传播；其次利用梯度下降算法进行反向传播，以此来不断调整算法的W和b，使整个算法的误差平方和最小，进而得到系统的传输函数Transferfunction,TF，最后在频域用LS进行信道估计。仿真结果表明，在光纤传输距离较长时，与基于ANN信道估计方算法相比，基于ANN‑LS算法可以获得更高的CE精度，具有更好的系统优化性能。

主权项：1.一种基于ANN_LS的IMDD-OFDMOQAM-PON系统信道估计方法，其特征在于，包括以下步骤：步骤1：构建ANN神经网络；ANN神经网络包括输入层、一个隐含层和输出层；输入层和输出层的神经元个数均为n，隐含层的神经元个数为p；步骤2：初始化ANN神经网络中的所有权重和偏差；步骤3：收集训练数据{x1，x2，…，xn}；对二进制序列进行调制、IFFT变换和滤波之后，收集为目标数据，记为{y1，y2，…，yn}；再将目标数据通过马赫曾德尔调制器、光纤和光电转换，经过采样和判别后，作为训练数据收集，记为{x1，x2，…，xn}，其中xj与yj一一对应，j＝1，2，...，n；步骤4：前向传播；步骤4-1：ANN神经网络的前馈是根据输入得到输出；输入训练数据为{x1，x2，…，xn}，隐藏层的输出向量记为hj，则隐藏层的输出表示为： hj＝fzj其中，ωij是输入层的第i个神经元和隐藏层的第j个神经元之间的权重，bj是隐藏层的第j个神经元的偏差；f.其激活函数，选用tanh函数，其表达式为步骤4-2：输出层的最优估计值表示为ypred，表示为： 其中，ωjk是隐藏层的第j个神经元与输出层的第k个神经元之间的连接权重，bk是输出层的第k个神经元的偏差；步骤4-3：前馈损失函数；用平方差函数作为前馈损失函数，表示为：lose＝meansquarey-ypred用损失函数计算预测数据与目标数据之间的误差；步骤5：反向传播算法；步骤5-1：将SGD用作反向传播，并不断调整网络的权重和偏差；步骤5-2：反向传播损失函数包含多个权重和阈值的多元函数，表示为：Lωij，ωjk，bj，bk损失函数相对于权重和偏差的导数，表示为： 其中，是第一个隐藏层的第j个神经元的梯度；步骤5-3：权重和偏差的更新表示为： 其中，负号表示梯度下降，η和n为常数；η是学习率，决定网络的训练速度；n是批次大小；步骤6：模型评估；通过R方估计得到准确率，从而判断ANN神经网络训练的效果，即： 步骤7：在频域用LS进行信道估计；步骤7-1：将预测数据ypred先移除滤波器，再进行FFT变换，得到：Y＝XH+W其中，H是频域信道矩阵，X是频域发送信号矩阵，Y是频域接收信号矩阵，W是高斯噪声矩阵；步骤7-2：频域LS的信道估计为： 其中，XP和YP分别表示导频位置的发送和接收数据。

全文数据：

权利要求：

百度查询： 中科(深圳)无线半导体有限公司 基于ANN_LS的IM/DD-OFDM/OQAM-PON系统信道估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD