[发明专利]一种光纤传输信号预测模型的训练方法及装置

权利要求书

1.一种光纤传输信号预测模型的训练方法，其特征在于，包括：

获取初始光纤信号以及N个标签信号；其中，N≥2，所述N个标签信号为所述初始光纤信号经过N个不同传输距离的光纤链路进行传输后的信号；

将所述初始光纤信号与所述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；

构建所述归一化后的模型输入信号的三维张量及所述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

使用部分所述三维模型输入数据及所述二维标签数据作为训练数据来训练光纤传输信号预测模型。

2.根据权利要求1所述的光纤传输信号预测模型的训练方法，其特征在于，所述使用部分所述三维模型输入数据及所述二维标签数据作为训练数据来训练光纤传输信号预测模型，包括：

设置所述光纤传输信号预测模型的初始训练参数，其中，所述初始训练参数至少包括最大迭代参数阈值及最小损失函数阈值；

将部分所述三维模型输入数据及所述二维标签数据输入至所述光纤传输信号预测模型中进行训练；

判断当前迭代的代数是否大于所述最大迭代参数阈值或是否小于所述最小损失函数阈值；

若是，结束迭代，并固定所述光纤传输信号预测模型训练后的模型参数。

3.根据权利要求1所述的光纤传输信号预测模型的训练方法，其特征在于，所述初始光纤信号与所述N个标签信号均为复数信号，其中，所述将所述初始光纤信号与所述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：

将所述初始光纤信号与所述N个标签信号分别除以与其相应的模的最大值，并分别求取所述初始光纤信号与所述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。

4.根据权利要求1所述的光纤传输信号预测模型的训练方法，其特征在于，该方法还包括：

使用另一部分所述三维模型输入数据及所述二维标签数据作为测试数据来测试光纤传输信号预测模型，得到测试后的所述光纤传输信号预测模型；其中，所述测试数据为所述三维模型输入数据及所述二维标签数据中作为训练数据以外的数据。

5.根据权利要求1所述的光纤传输信号预测模型的训练方法，其特征在于，该方法还包括：

利用调制器将电信号加载至所述光载波上，得到调制后的所述初始光纤信号；

采用N个不同传输距离的光纤链路对调制后的所述初始光纤信号进行传输并标注，得到所述N个标签信号。

6.根据权利要求1所述的光纤传输信号预测模型的训练方法，其特征在于，所述光纤传输信号预测模型采用复合式神经网络结构，其包括：

Transformer编码模块，包括：第一残差结构、第一数据处理结构、第二残差结构及第二数据处理结构；其中，所述第一残差结构用于将所述三维模型输入数据复制为两份相同的三维光纤数据；所述第一数据处理结构用于将一份三维模型输入数据进行特征提取，并将提取到的特征数据与另一份三维模型输入数据进行数据聚合，得到第一聚合数据；所述第二残差结构用于将所述第一聚合数据复制为两份相同的光纤数据；所述第二数据处理结构用于将所述第二残差结构输出的一份数据进行二次特征提取，并将提取到的特征数据与另一份数据进行二次数据聚合，得到第二聚合数据；

深度全连接网络结构，用于将所述第二聚合数据的进行信息融合后并预测，得到数据预测结果。

7.一种光纤传输信号的预测方法，其特征在于，包括：

获取至少一个光纤信号；

使用光纤传输信号预测模型对所述至少一个光纤信号进行预测，其中，所述光纤传输信号预测模型是使用根据权利要求1至6中任一项权利要求所述的方法来训练的。

8.根据权利要求7所述的光纤传输信号的预测方法，其特征在于，对所述至少一个光纤信号进行预测的预测结果包括：所述至少一个光纤信号经过任意的光纤传输距离后的信号形态信息，其中，该信号形态信息至少包括：光信号损耗参数、光信号色散参数、非线性效应参数、码间串扰参数及波形混叠参数。