买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明涉及一种基于机器学习的非线性补偿方法，包括以下步骤：对接收端获取信号进行线性均衡、根据线性均衡后信号计算三维体、构建神经网络数据集、训练神经网络模型、将发射端信号输入神经网络模型、得到补偿后信号；本发明基于神经网络实现光通信系统中传输非线性及器件非线性补偿，通过传输信号得到包含有信道非线性信息的三维体数据，以三维体为神经网络输入数据，通过神经网络模型回归任务的高度拟合性训练神经网络，建立标准符号Y＝损伤符号X*非线性变换W的回归关系，将训练输出结果与发射机符号相减得到非线性干扰项。本发明在低DSP复杂度的前提下，完成了光通信系统中的非线性补偿，使得系统的误码率会明显降低，系统性能得到明显提升。

主权项：1.一种基于机器学习的非线性补偿方法，其特征在于包括以下步骤：1根据分别计算接收端信号线性均衡后的非线性三维体及发射端信号的非线性三维体，存储于固定位置便于查表调用；2根据符号权重计算公式计算Cmn系数分布，并设置权重阈值对神经网络输入进行削减，提高数据利用效率，m、n分别指目标符号同向偏振信道及异向偏振信道上的周边符号索引；γ指光纤的非线性常数，β2指光纤的传播常数，τ指脉冲宽度，T指符号速率的倒数，L指传输距离，j为虚数符号；3搭建全连接人工神经网络模型，构建神经网络数据集，输入层神经元数目等于输入三维体数目的两倍；4选用线性均衡后的接收端三维体作为神经网络输入，对应的标准符号作为训练标签，发射机符号与经过神经网络后的接收符号之间的均方根误差作为损失函数，以最小化损失函数的目标进行迭代训练；5将发射端信号三维体输入训练好的神经网络模型，神经网络输出计算的非线性补偿量；6采用预补偿的方式，发射机符号减去非线性补偿量乘以峰值功率系数后进入信道，完成非线性预补偿；线性均衡，采用色散补偿、自适应均衡、频偏与相位恢复的过程完成对传输信道线性均衡过程；步骤3中输入层神经元节点分别对应三维体数据的实部与虚部，构建数据集，包括训练集和验证集，以发射机符号与经过神经网络后的接收符号之间均方根误差作为损伤函数，以最小化损伤函数的方向进行迭代训练；均方根误差公式为：N为序列长度，Hi为发射机标准符号，为接收端线性均衡后符号，为神经网络模型输出；步骤5中神经网络训练包括以下步骤：接收端采用光电探测器探测传输光信号，并转成电信号进行AD采用转换；对接收信号与发射端信号进行时钟同步，之后将下采样至符号波特率的两倍；对下采样后信号进行线性均衡过程：分为色散补偿、偏振解复用、自适应均衡及载波相位恢复三步，分别完成对色度色散、码间干扰、频率偏移和相位噪声线性损伤完成补偿均衡；所述色散补偿的色散补偿系数计算公式为： 其中，D表示色散补偿系数，Ax,y表示偏振复用系统接收端信号，α表示信道的光功率衰减常数，β2指光纤的传播常数；神经网络训练时的具体设置为：神经网络层数设置为3层全连接层，其中输入层神经元数目为筛选后三维体长度的两倍，目的在于对应三维体数据的实部与虚部；第一层隐藏层神经元节点数设置为4，第二层神经元节点数设置为10，输出层神经元节点数设置为2；构建数据集，神经网络输入数据为各符号对应三维体，输入数据格式为多个向量组成的向量矩阵，训练标签为每个三维体对应的标准符号；损伤函数选择发射机符号与经过神经网络后的接受符号之间的均方根误差，损伤函数的公式为： 其中，N为序列长度，Hi为发射机标准符号，为接收端线性均衡后符号，为神经网络模型输出；步骤5中非线性补偿包括以下步骤：在发射端完成二进制序列到符号映射后，根据发射端标准符号计算发射端三维体；将发射端三维体数据输入训练完毕的神经网络中，根据训练结果，神经网络输出每个符号的非线性补偿量；考虑到实际信道传输与光功率影响，将非线性补偿量乘以信道系数得到预补偿量；发射端符号减去非线性预补偿量后进行符号整形、预色散补偿操作进入信道，完成非线性补偿。

全文数据：

权利要求：

百度查询： 天津大学 一种基于机器学习的非线性补偿方法