公开(公告)号：CN110166119B

公开(公告)日：2020-06-16

申请号：CN201910455497.9

申请日：2019-05-29

Applicant: 北京理工大学

Inventor： 杨爱英 ,  王子怡 ,  郭芃

IPC: H04B10/079 ,  H04B10/40 ,  H04B10/50 ,  H04B10/556 ,  H04B10/61 ,  G06N3/08

Abstract: 本发明涉及一种基于深层神经网络(Deep Neural Network，DNN)的相干光通信发射机监测方法，属于发射机监测技术领域。基于时间延迟、偏置电压误差和正交相移误差三种损伤机制导致信号星座图不同的特征分布；在接收端，接收的光信号和本地激光器输出的连续激光经过光混频器进行相干解调，测量相干接收信号的星座图，计算该星座图与理想星座点间的幅度差和角度差，并把幅值差和角度差作为一组数据输入深层神经网络，收集大量数据作为训练集输入深层神经网络进行训练，再使用测试集测试，监测三种物理损伤。所述方法能够分离并得到不同损伤的估计值；实现简单，减少了人工参与，降低了人工误差；能直接得到监测结果。

公开(公告)号：CN110166119A

公开(公告)日：2019-08-23

申请号：CN201910455497.9

申请日：2019-05-29

Applicant: 北京理工大学

Inventor： 杨爱英 ,  王子怡 ,  郭芃

IPC: H04B10/079 ,  H04B10/40 ,  H04B10/50 ,  H04B10/556 ,  H04B10/61 ,  G06N3/08

Abstract: 本发明涉及一种基于深层神经网络(Deep Neural Network，DNN)的相干光通信发射机监测方法，属于发射机监测技术领域。基于时间延迟、偏置电压误差和正交相移误差三种损伤机制导致信号星座图不同的特征分布；在接收端，接收的光信号和本地激光器输出的连续激光经过光混频器进行相干解调，测量相干接收信号的星座图，计算该星座图与理想星座点间的幅度差和角度差，并把幅值差和角度差作为一组数据输入深层神经网络，收集大量数据作为训练集输入深层神经网络进行训练，再使用测试集测试，监测三种物理损伤。所述方法能够分离并得到不同损伤的估计值；实现简单，减少了人工参与，降低了人工误差；能直接得到监测结果。