[发明专利]光纤信道模型模拟方法、装置、电子设备和存储介质

权利要求书

1.一种光纤信道模型模拟方法，其特征在于，包括：

获取需光纤仿真传输的信号数据；

将所述信号数据和光纤长度，输入至预设的深度神经网络模型，根据所述深度神经网络模型的输出结果，确定所述光纤长度的光纤信道输出的信号数据；

其中，所述深度神经网络模型具体为双向长短期记忆神经网络模型；

所述将所述信号数据和光纤长度，输入至预设的深度神经网络模型之前，还包括：

获取多个信号数据样本，以及对应的信号数据样本在确定长度的光纤信道的信号传输结果数据；

将每个信号数据样本对应的传输前信号数据、光纤长度和信号传输结果数据的组合作为一个训练样本，从而得到多个训练样本，利用所述多个训练样本对所述双向长短期记忆神经网络模型进行训练。

2.根据权利要求1所述的光纤信道模型模拟方法，其特征在于，所述将所述信号数据和光纤长度，输入至预设的深度神经网络模型之前，还包括：

按照预设的采样率，对所述信号数据的每比特数据进行采样；

相应地，所述将所述信号数据和光纤长度，输入至预设的深度神经网络模型，具体为：

将按照预设的采样率采样后的信号数据和光纤长度，输入至预设的深度神经网络模型。

3.根据权利要求1所述的光纤信道模型模拟方法，其特征在于，所述将所述信号数据和光纤长度，输入至预设的深度神经网络模型，包括：

按照所述信号数据的时间序列，将所述信号数据的每比特数据和光纤长度的组合，经输入层分别输入至双向长短期记忆神经网络模型的正向LSTM层和反向LSTM层；

将正向LSTM层和反向LSTM层的输出结果，共同输入至全连接层，并从输出层得到信号传输结果数据。

4.根据权利要求1所述的光纤信道模型模拟方法，其特征在于，所述利用所述多个训练样本对所述双向长短期记忆神经网络模型进行训练，包括：

将任意一个信号数据样本的传输前信号数据和光纤长度，输入至所述双向长短期记忆神经网络模型，利用前向传播算法，计算所述信号数据样本在光纤长度下的信号传输结果数据；

基于反向传播算法，更新所述双向长短期记忆神经网络模型的模型参数；

根据所述双向长短期记忆神经网络模型的输出与输入的误差，计算所述双向长短期记忆神经网络模型的准确率，若所述准确率大于预设阈值或训练次数达到预设次数，则所述双向长短期记忆神经网络模型训练完成。

5.根据权利要求4所述的光纤信道模型模拟方法，其特征在于，所述反向传播算法为基于梯度下降的反向传播算法。

6.一种光纤信道模型模拟装置，其特征在于，包括：

接收模块，用于获取需光纤仿真传输的信号数据；

处理模块，将所述信号数据和光纤长度，输入至预设的深度神经网络模型，根据所述深度神经网络模型的输出结果，确定所述光纤长度的光纤信道输出的信号数据；其中，所述深度神经网络模型具体为双向长短期记忆神经网络模型；

所述将所述信号数据和光纤长度，输入至预设的深度神经网络模型之前，还包括：

获取多个信号数据样本，以及对应的信号数据样本在确定长度的光纤信道的信号传输结果数据；将每个信号数据样本对应的传输前信号数据、光纤长度和信号传输结果数据的组合作为一个训练样本，从而得到多个训练样本，利用所述多个训练样本对所述双向长短期记忆神经网络模型进行训练。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述光纤信道模型模拟方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述光纤信道模型模拟方法的步骤。