[发明专利]一种基于卷积神经网络的光通信系统性能分析方法

权利要求书

1.一种基于卷积神经网络的光通信系统性能分析方法，其特征在于，包括如下步骤：

S1：根据待测光通信系统，选择适当的卷积神经网络；

S2：构建调试光通信系统，不断调整所述调试光通信系统的发端调制方式、调制码率、光信噪比、信道色散和偏振模色散，并利用异步延时采样方法获得不同信道条件下的二维幅度信息，并利用所述二维幅度信息训练卷积神经网络；

S3：将经训练得到的卷积神经网络置入待测光通信系统，利用异步延时采样方法获得描述所述待测光通信系统性能的二维幅度信息，并利用训练后的卷积神经网络分析待测光通信系统对应的二维幅度信息，以估算出待测光通信系统的多个信道性能参数。

2.根据权利要求1所述的一种基于卷积神经网络的光通信系统性能分析方法，其特征在于，利用异步延时采样方法获得二维幅度信息，具体包括如下步骤：

在待测光通信系统或调试光通信系统的接收端利用光电探测器将待测光信号转换为电信号；

对采集到的所述电信号进行低通滤波以消除带外噪声干扰；

将进行低通滤波后的电信号进行3dB分路，并在其中一路利用延迟线引入半比特延迟；

利用外时钟驱动的模数转换器对两路电信号同时进行采样；

在一个比特周期内对接收到的电信号做两次采样，统计采样得到的幅度信息，并根据所述幅度信息生成二维幅度直方图。

3.根据权利要求2所述的一种基于卷积神经网络的光通信系统性能分析方法，其特征在于，步骤S2具体包括如下步骤：

S210：构建调试光通信系统；

S220：修改调试光通信系统的多个信道性能参数，所述多个信道性能参数包括发端调制方式、调制码率、光信噪比、信道色散以及偏振模色散；

S230：利用异步延时采样方法获得不同信道条件下的二维幅度直方图；

S240：从所述二维幅度直方图中提取出所述直方图的特征参数，构建训练样本；

S250：利用所述训练样本对卷积神经网络进行训练。

4.根据权利要求2或3所述的一种基于卷积神经网络的光通信系统性能分析方法，其特征在于，所述卷积神经网络为7层结构的卷积神经网络，且所述7层结构的卷积神经网络包括两层卷积层、两层池化层以及两层全连接层，所述卷积层和池化层用于提取二维幅度直方图的特征，所述全连接层用于根据提取的特征计算并输出多个信道性能参数。

5.根据权利要求4所述的一种基于卷积神经网络的光通信系统性能分析方法，其特征在于，利用所述卷积神经网络分析待测光通信系统对应的二维幅度信息，以估计出待测光通信系统的信道性能参数，具体包括：

采用7层结构的卷积神经网络的两层卷积层及池化层对输入的待测光通信系统的二维幅度图进行特征的提取；

将提取的特征分享至后续两层全连接层，所述全连接层根据所述特征计算并输出多个信道性能参数。