申请/专利权人：四川省光为通信有限公司

申请日：2024-03-11

公开（公告）日：2024-06-25

公开（公告）号：CN117874712B

主分类号：G06F18/27

分类号：G06F18/27;G06F18/214;G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及光模块技术领域，更进一步地，涉及基于高斯过程回归的单模非气密光模块性能预测方法。所述方法包括：步骤1：收集单模非气密光模块的历史性能数据和对应的性能输出；步骤2：定义一个设定时间间距的高斯过程，定义一个具备随机核的核函数，作为高斯过程的核函数；步骤3：对历史性能数据和对应的性能输出进行数据畸变，得到畸变数据，将畸变数据作为训练数据对高斯过程进行训练，得到训练后的高斯过程；步骤4：使用训练后的高斯过程对历史性能数据和性能输出进行性能预测。本发明基于高斯过程回归，结合随机核函数和实时性能校正，提供了一种准确预测单模非气密光模块性能的方法，以提高性能预测的精度和实时性。

主权项：1.基于高斯过程回归的单模非气密光模块性能预测方法，其特征在于，所述方法包括：步骤1：收集单模非气密光模块的历史性能数据和对应的性能输出；步骤2：定义一个设定时间间距的高斯过程，定义一个具备随机核的核函数，作为高斯过程的核函数；步骤3：对历史性能数据和对应的性能输出进行数据畸变，得到畸变数据，将畸变数据作为训练数据对高斯过程进行训练，得到训练后的高斯过程；步骤4：使用训练后的高斯过程对历史性能数据和性能输出进行性能预测，具体包括：将历史性能数据作为输入，输入到训练后的高斯过程中，得到第一结果，将第一结果重新作为输入，输入到训练后的高斯过程中，得到第二结果，以此类推，迭代执行设定的次数后，将得到多个结果，完成高斯回归分析，将每次得到的结果作为结果集合，计算结果集合的标准差与性能输出的标准差的差值与性能输出的标准差的比值，作为该历史性能数据和对应的性能输出所处的时刻在设定时间间距后的光模块的性能预测结果，该性能预测结果表征了预测性能与标准性能的比值，超过1，则代表预测性能超过标准性能，低于1，则代表预测性能低于标准性能，等于1，则代表预测性能等于标准性能；收集到的单模非气密光模块的历史性能数据表示为：D＝{x1,y1,…,xi,yi,…,xn,yn}；其中，其中，xi是第i时刻的输入特征组合，为一个向量，xi＝ai,bi,ci,di,ei；yi为第i时刻的性能输出；ai为第i时刻的环境温度；bi为第i时刻的光功率；ci为第i时刻的衰减；di为第i时刻的损耗；ei为第i时刻的环境温度；步骤2中定义的设定时间间距的高斯过程的表达式为：fx～GPmx,kx,x′,T；其中，GPmx,kx,x′,T表示高斯过程；mx是高斯过程的均值函数；kx,x′是高斯过程的核函数；T为设定时间间隔；c为输入；x′为输入为x时，对应的结果；fx～GPmx,kx,x′,T表示fx服从高斯过程；核函数kx,x′使用如下公式进行表示： 其中，σ2是方差，l是长度尺度；α为随机函数，其表达式为： μx为输入x的均值函数，σ2x为输入x的方差；σ2x表示αx在给定x的条件下服从正态分布步骤3中对历史性能数据和对应的性能输出进行数据畸变，得到畸变数据的方法包括：使用拉格朗日插值法定义畸变函数，使用如下公式进行表示： 其中，N是拉格朗日插值多项式的阶数，Pi是随机生成的拉格朗日多项式系数，ki和kj均是随机选择的拉格朗日插值点；当k为历史性能数据时，Fk为畸变的历史性能数据；当k为历史性能数据对应的性能输出时，Fk为畸变的性能输出；畸变的性能输出和畸变的历史性能数据共同组成畸变数据。

全文数据：

权利要求：

百度查询： 四川省光为通信有限公司 基于高斯过程回归的单模非气密光模块性能预测方法

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