[发明专利]一种多跨光纤传输信号预测系统的训练方法及装置

说明书

本公开提供了一种多跨光纤传输信号预测系统的训练方法，多跨光纤传输信号预测系统包括N个级联的光纤传输信号预测模型，N大于等于2，包括：获取初始光纤信号以及N个标签信号；将初始光纤信号与N个标签信号进行归一化处理，得到归一化后的模型输入信号与归一化后的标签信号；构建模型输入信号的三维张量及归一化后的标签信号的二维张量，得到三维模型输入数据与二维标签数据；以及使用部分三维模型输入数据及二维标签数据作为训练数据来依次训练N个级联的光纤传输信号预测模型。本公开还提供了光纤传输信号的预测方法、装置、电子设备、存储介质及计算机程序产品。

技术领域

本公开涉及远距离光纤通信与机器学习技术领域，具体涉及一种多跨光纤传输信号预测系统的训练方法、预测方法、装置、电子设备、存储介质及程序产品。

背景技术

中长距离光纤传输指代传输距离达500km及其以上的光纤传输系统。对于远距离光纤通信系统及其模型的研究广泛应用于以光纤作为传输介质的城域网、广域网的骨干通信线路以及超长距离的跨洋光纤通信线路。长期以来，由于中长距离光纤传输系统的传输距离较长，非线性和色散效应的积累十分严重，从而使得传输信号的预测较为困难。除此之外，传统信号预测模型所采用的分步傅里叶算法也使得即使预测一次传输信号也需要耗费相当长的计算时间。

发明内容

为解决现有技术中存在的问题，本公开实施例提供的一种多跨光纤传输信号预测系统的训练方法、预测方法、装置、电子设备、存储介质及程序产品，通过结合神经网络结构，旨在解决提高模型训练效率及模型预测性能的技术问题。

本公开的第一个方面提供了一种多跨光纤传输信号预测系统的训练方法，该多跨光纤传输信号预测系统包括N个级联的光纤传输信号预测模型，N大于等于2，包括：获取初始光纤信号以及N个标签信号；将初始光纤信号与N个标签信号进行归一化处理，得到归一化后的模型输入信号与归一化后的标签信号；构建模型输入信号的三维张量及归一化后的标签信号的二维张量，得到三维模型输入数据与二维标签数据；以及使用部分三维模型输入数据及二维标签数据作为训练数据来依次训练N个级联的光纤传输信号预测模型。

进一步地，使用部分三维模型输入数据及二维标签数据作为训练数据来依次训练N个级联的光纤传输信号预测模型，包括：设置N个级联的光纤传输信号预测模型的初始训练参数，其中，初始训练参数包括预置模型数目；其中，预置模型数目为N；将部分三维模型输入数据及二维标签数据输入至N个级联的光纤传输信号预测模型中进行训练；其中，N个级联的光纤传输信号预测模型按照级联顺序依次进行训练，第k级的光纤传输信号预测模型的输出信号作为第k+1级的光纤传输信号预测模型的输入信号，k小于N；判断N个级联的光纤传输信号预测模型中已完成训练的模块数目是否等于预置模型数目；若是，结束训练，并固定N个级联的光纤传输信号预测模型训练后的模型参数；否则，设置N个级联的光纤传输信号预测模型中未完成训练模型的最大迭代参数及最小损失函数数值，并开始未完成模型的依次训练。

进一步地，设置N个级联的光纤传输信号预测模型中未完成训练模型的最大迭代参数及最小损失函数数值，并开始未完成模型的依次训练，包括：设置未完成训练模型的最大迭代参数及最小损失函数数值，并开始未完成训练模型依次训练；判断未完成训练模型中第一级光纤传输信号预测模型的当前迭代的代数是否大于最大迭代参数或是否小于最小损失函数数值；若是，结束第一级光纤传输信号预测模型迭代，固定光纤传输信号预测模型训练后的模型参数，并将该第一级光纤传输信号预测模型的输出信号通过归一化及数据格式转换处理后，输入至与其连接的第二级光纤传输信号预测模型中进行模型训练；以此类推下去，直至未完成训练模型中的所有模型训练完成。

进一步地，初始光纤信号与N个标签信号均为复数信号，其中，将初始光纤信号与N个标签信号进行归一化处理，得到归一化后的模型输入信号与归一化后的标签信号，包括：将初始光纤信号与N个标签信号除以与其相应的模的最大值，并分别求取初始光纤信号与N个标签信号的实部与虚部，得到归一化后的模型输入信号与归一化后的标签信号。