公开(公告)号：CN119720752A

公开(公告)日：2025-03-28

申请号：CN202411766547.2

申请日：2024-12-04

Applicant: 吉林大学

Inventor： 胡贵军 ,  张滨淇 ,  梁帅 ,  王海燕

IPC: G06F30/27 ,  H01S3/094 ,  G06F17/13 ,  G06N3/006 ,  G06N3/0499 ,  G06N3/0985 ,  G06N3/084

Abstract: 本发明公开了一种增益及平坦度可调谐的光纤拉曼放大器的泵浦配置方法，属于光纤拉曼放大器技术领域，包括：建立三种结构的二阶拉曼放大器数学模型；对三种结构的二阶拉曼放大器数学模型分别建立三个不同的神经网络模型，进行系统的反向设计；利用训练好的神经网络模型生成测试模型，进行需求增益及平坦度下的最小泵浦数配置预测。该配置方法可保证光纤拉曼放大器的增益和平坦度，同时优化泵浦光的数量以实现成本效益的最大化，不仅增强了适应性，而且确保了无论用户如何调整目标增益和平坦度，都能够提供最少泵浦数量的最优配置；不仅有效降低了拉曼放大器的成本，还显著提升了系统的运行效率和响应速度，能够在几秒钟内完成对任意增益要求下的最优泵浦光参数配置，极大增强了用户体验和系统的实际应用价值。

公开(公告)号：CN120087204A

公开(公告)日：2025-06-03

申请号：CN202510158166.4

申请日：2025-02-13

Applicant: 吉林大学

Inventor： 胡贵军 ,  梁帅 ,  张滨淇

IPC: G06F30/27 ,  G06N3/0985 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0499

Abstract: 本发明公开了一种基于柯尔莫哥洛夫‑阿诺德神经网络(KAN)的分布式光纤拉曼放大器正反向问题的拟合方法，属于光纤拉曼放大器技术领域。该方法通过建立分布式光纤拉曼放大器的数学模型，在二阶泵浦条件下生成理想数据集，并针对不同使用场景设计三种不同的KAN结构模型，分别用于正向单增益点、增益谱预测以及反向泵浦参数预测。通过优化超参数和网络结构，利用训练好的KAN模型实现高效、准确的正反向拟合。该方法在简化网络结构的同时，大幅减少了计算资源需求、提高了非线性拟合能力、能够快速适应不同场景的需求、结合正向和反向模型的级联，可实时观测反向预测的泵浦参数对应的增益谱形状，显著提升了分布式光纤拉曼放大器的设计和性能评估效率，具有重要的实际应用价值。