[发明专利]一种基于VCSEL-SA多层光子脉冲神经网络分类的装置

说明书

本发明公开了一种基于VCSEL‑SA多层光子脉冲神经网络分类的装置，实验装置包括一组工作波长为850nm的激光二极管LD及其温度和电流控制器，三组无内置光隔离器的带有饱和吸收体的垂直腔面发射激光器VCSEL‑SA1，VCSEL‑SA2，VCSEL‑SA3及其温度和电流控制器，三组光耦合器OC1，OC2，OC3，两组可调光衰减器VOA1，VOA2，三组光检测器PD1，PD2，PD3。利用LD产生光信号经过PPG和MZM将输入样本调制后得到输入信号注入输入层VCSEL‑SA1，然后经过OC1后被分为两路，其中一路光经过PD1后注入EC，另一路光经过分光器后进入VOA1，经过OC2后注入隐藏层VCSEL‑SA2，经过VOA2后进入OC3，注入输出层VCSEL‑SA3，最终注入PD3得到样本分类结果。本发明装置在保证了较高的样本分类准确率的基础上，实现了对200ps以内的输入信号时延的鲁棒性。

技术领域

一种基于VCSEL-SA多层光子脉冲神经网络分类的装置，属于通信技术领域，具体涉及一种多层光子脉冲神经网络实现数据样本分类的方法。

背景技术

由于光具有许多优良的性质，例如高速、高带宽、低功耗、低串扰，非常适合用于超快信息处理。将VCSEL-SA光子脉冲神经网络引入通信领域以实现数据的高速，高效处理。但是，普通的VCSEL-SA光子脉冲神经网络规模较小，难以应对复杂的场景，这降低了光子脉冲神经网络的可用性。因此，基于VCSEL-SA多层光子脉冲神经网络成为一个极有吸引力的研究热点。

就目前的研究进展而言，大部分理论或实验研究中所构建的VCSEL-SA光子脉冲神经网络不包含隐藏层，在非线型分类方面存在很大不足，且单种类混沌光源系统实现无时延混沌激光输出的参数空间受限，严重影响了激光混沌通信系统的密钥空间，威胁了混沌通信系统的安全性。

发明内容

鉴于以上陈述的已有技术的不足，本发明旨在提供一种VCSEL-SA多层光子脉冲神经网络与有监督学习算法结合的系统实现多种数据集的分类。

本发明的目的是通过如下手段来实现的。

关于基于VCSEL-SA多层光子脉冲神经网络分类的装置，其特征在于，利用外光将输入样本生成输入信号后，注入输入层，使输出层的输出信号与样本标签正确匹配。实验装置包括：一组工作波长为850nm的激光二极管LD及其温度和电流控制器，一个马赫增德尔调制阵列MZM Array，一个脉冲模式发生器PPG，三组无内置光隔离器的带有饱和吸收体的垂直腔面发射激光器VCSEL-SA1，VCSEL-SA2，VCSEL-SA3及其温度和电流控制器，三组光耦合器OC1，OC2，OC3，一组分光器，两组可调光衰减器VOA1，VOA2，三组光检测器PD1，PD2，PD3，一个电控制器EC。处理步骤包括：LD产生光信号经过PPG和MZM将输入样本调制后得到输入信号注入输入层VCSEL-SA1，然后经过OC1后被分为两路，其中一路光经过PD1后注入EC，另一路光经过分光器后进入VOA1，经过OC2后注入隐藏层VCSEL-SA2，经过VOA2后进入OC3，注入输出层VCSEL-SA3，最终注入PD3得到样本分类结果。

经以上设计后，只需按照电控制器设置好可调光衰减器，将数据集中的样本经过预处理后注入输入层，就能使得输出层输出的输出信号与样本标签正确匹配。

本发明基于VCSEL-SA多层光子脉冲神经网络实现多种数据集分类的装置和已见报道的VCSEL-SA多层光子脉冲神经网络相比有如下优点：具备较大的网络结构，能够处理更丰富的数据集，适用范围更广；面对输入信号时延抖动的异常情况仍然能保持较高的识别准确率，具有良好的鲁棒性。

附图说明如下：

图1为本发明装置的系统方案图；

图2为XOR数据集推理结果图；

图3为WBC数据集推理结果图；

图4为输入信号时延抖动对本发明装置的性能影响图。