[发明专利]激光通信干扰消除方法、装置及计算机可读存储介质

权利要求书

1.一种激光通信干扰消除方法，其特征在于，应用于多输入单输出的激光通信系统，包括：

从所述激光通信系统的接收端采集接收数据集，所述接收数据集包括训练数据和待处理数据；所述训练数据为发射端的发射数据中的导频数据被所述接收端接收到的数据，所述待处理数据为所述发射端的发射数据中的待发送信息被所述接收端接收到的数据；

以所述训练数据作为预先构建的长短期记忆网络模型的输入，所述导频数据作为目标输出训练所述长短期记忆网络模型；

将所述待处理数据输入至训练好的长短期记忆网络模型中，得到所述长短期记忆网络模型的输出数据以作为消除干扰的通信数据；

其中，所述发射数据被分为多组，各组数据长度均为N；对每个分组，前A个数据为所述导频数据，后N-A个数据为所述待发送消息；所述从所述激光通信系统的接收端采集接收数据集之后，还包括：

按照所述接收端的数据接收时间顺序对所述接收数据集进行分组处理，每组数据长度为N；

将每组数据分别以移位矩阵形式进行表示，并将移位矩阵的前A列数据作为所述训练数据，后N-A列数据作为所述待处理数据。

2.根据权利要求1所述的激光通信干扰消除方法，其特征在于，所述将所述训练数据作为预先构建的长短期记忆网络模型的输入，所述导频数据作为目标输出训练所述长短期记忆网络模型包括：

将所述训练数据和所述导频数据分别作为所述长短期记忆网络模型的输入和输出，采用梯度反向传播方法同时选择均方误差作为损失函数训练所述长短期记忆网络模型。

3.根据权利要求2所述的激光通信干扰消除方法，其特征在于，所述长短期记忆网络模型的训练结束条件为：

若所述损失函数小于10^-4，则完成模型训练；或是

若所述长短期记忆网络模型进行了60次循环没有收敛，则停止模型训练。

4.根据权利要求1至3任意一项所述的激光通信干扰消除方法，其特征在于，所述长短期记忆网络模型包括输入层、隐含层、LSTM层和输出层；所述输入层的输出与所述LSTM层的输入相连，所述LSTM层的输出与所述输出层的输入相连；所述隐含层的神经元总数和所述激光通信系统的发射端总数相同，所述输入层包含p个神经元，所述输出层包含1个神经元；

所述输入层的激活函数为sigmoid激活函数σ，所述LSTM层的输入p_k为p_k＝σ(H_I·I_k+J_I)；所述输出层的激活函数为线性函数Ψ，所述输出层的输出O_k为O_k＝Ψ(H_o·h_k+J_o)，

式中，I_k为第k时刻所述输入层的输入，H_I为所述输入层的权重，J_I为所述输入层的阈值，H_o为所述输出层的权重，J_o为所述输出层的阈值，h_k为所述LSTM层的输出。