公开(公告)号：CN116545811A

公开(公告)日：2023-08-04

申请号：CN202310516645.X

申请日：2023-05-09

Applicant: 苏州大学

Inventor： 孙林 ,  毛萌 ,  肖家旺

IPC: H04L25/03 ,  G06N3/096 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明提供一种基于迁移学习的超奈奎斯特均衡器设计的方法及系统，方法包括在源链路和目标链路上对输入信号分别进行调制；调制后的信号经信道传输后，对源链路中的神经网络模型进行均衡训练；将源链路已训练好的神经网络模型参数提取出来进行迁移，实现对目标链路神经网络模型的初始化；在目标链路对信号进行训练，通过对目标链路神经网络模型参数进行微调，得到目标链路训练好的神经网络模型；基于目标链路训练好的神经网络模型，对信号进行测试和判决。本发明在链路切换时，基于迁移学习将源链路上训练好的神经网络均衡器模型参数转移到目标链路上，避免了随机初始化，提升了神经网络均衡器的初始化速度、误码率的收敛速度以及准确率。

公开(公告)号：CN116681121A

公开(公告)日：2023-09-01

申请号：CN202310593641.1

申请日：2023-05-24

Applicant: 苏州大学

Inventor： 孙林 ,  刘宁 ,  肖家旺

IPC: G06N3/082 ,  G06N3/096 ,  G06N3/063

Abstract: 本发明涉及一种用于神经网络均衡器的迭代剪枝快速迁移学习方法及装置，方法包括在源链路和目标链路上分别部署神经网络均衡器；使用源链路上接收到的信号训练部署于源链路上的神经网络均衡器，得到趋于稳定的神经网络均衡器；将源链路上的趋于稳定的神经网络均衡器的参数迁移到目标链路上的神经网络均衡器中；对部署于目标链路上的迁移后的神经网络均衡器进行训练，训练时，在每次神经网络均衡器更新之后，对权重矩阵内的每一个权重参数进行更新，直至目标链路上的神经网络均衡器的各个参数趋于稳定。本发明能够有效加快神经网络均衡器的收敛速度，降低神经网络复杂度，从而提供快速收敛、低复杂度的高效神经网络均衡器来适应大容量光通信系统。

公开(公告)号：CN116131953A

公开(公告)日：2023-05-16

申请号：CN202310084624.5

申请日：2023-02-08

Applicant: 苏州大学

Inventor： 孙林 ,  刘宁 ,  肖家旺

IPC: H04B10/2581 ,  H04B10/516 ,  H04J14/06 ,  H04L25/02 ,  H04B10/69

Abstract: 本发明涉及光纤技术领域，尤其是指一种多芯光纤超奈奎斯特信号间模间串扰抑制方法、设备、装置及计算机存储介质。本发明所述的多芯光纤超奈奎斯特信号间模间串扰抑制方法，利用非线性结构的判决反馈神经网路均衡器，有效提升了均衡性能，能够抑制多芯光纤中超奈奎斯特信号之间的模间串扰，降低误码率。