[发明专利]一种基于全连接神经网络编码译码的光传输方法

说明书

本发明涉及一种基于全连接神经网络编码译码的光传输方法，其中：二进制比特流首先通过串并变化，将串行的二进制数据并行输入到全连接神经网络模块中，利用全连接神经网络模块的全连接方式对所有输入的相邻比特间的相互联系进行整合连接，保留输入比特信息间的相互关联和影响，将数据转化为符号信息后再进行脉冲整形，发射到信道进行传输。本发明消除了码间串扰，有效地降低了接收端信号误码率，提高信号抗噪能力，间接提高了信号传输速率和信道容量，优化系统的传输性能。同时在输入端采用升余弦滤波器进一步地减少码间串扰，提升系统的传输性能。

技术领域

本发明涉及通信技术领域的光传输技术，尤其涉及一种基于全连接层神经网络编码译码的消除码间串扰（ISI）的光传输方法。

背景技术

从古代中国的烽火台，到近现代的贝尔电话，人类从来没停止过追逐信息传递的脚步。随着电子产业的发展，通信的方式也在逐步的发生转变。从长波电台到蜂窝式无线网、从电缆到光缆、从空间到海底，通信己经渗透到地球的各个角落。同时，通信速率的提升、通信业务的多种多样，使得人类生活也发生了前所未有的转变。随着光通信的不断发展，作为信息载体的光信号也在不断发展，传输理论不断加深，人与人之间的沟通交流也不局限在之前的电话短信等这些渠道，微信、微博、联机游戏、视频等时刻地改变着我们的生活，而通信系统传输效率的提高可以更有利于人们更好的进行沟通交流，这就对光纤通信网络的带宽和容量提出了更髙更迫切的需求。

目前，提高光传输频谱效率的有效技术途径就是广泛地采用多维复用技术和复杂调制码型，其中采用密集波分复用与时分复用技术相结合的方法，己成为现代光纤通信网的主要的复用手段。随着相干光通信的广泛应用，偏振复用技术也被广泛采用。在频率、偏振等各个维度均被复用后，使得光网络的容量不断接近香农极限。同时，多载波技术在光网络中受到越来越多的关注，在一系列多载波调制技术中正交频分复用（OFDM）技术因其频谱利用率高、抗多径衰落等优点一直是光通信领域的研究热点，但OFDM系统为了消除码间干扰(ISI)，需要在信号中加入循环前缀（CP)，这会导致数据传输效率的降低。但是由于系统传输总特性不理想，导致前后码元的波形畸变、展宽，并使前面波形出现很长的拖尾，蔓延到当前码元的抽样时刻上，从而对当前码元的判决造成干扰，这样会很大程度上影响信道上可行的码元速率。

人工神经网络（ANN）简称神经网络（NN），属于机器学习算法中的一类，它是一种模仿生物神经网络的结构和功能的数学或计算模型。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模或用来探索数据的模式。未来的智能光网络将是自动化的，自愈的，可以预测流量需求，支持能效最大化。这样的光网络不仅提供高速率，而且可以支持联合国的绿色可持续发展目标。这将是光通信未来的重要方向。

发明内容

针对上述问题，本专利新提出了一种基于全连接神经网络编码译码达到消除码间串扰的一种新型光传输方法，采用全连接神经网络模型将比特信息转化为符号信息，有效地消除码间串扰，提高系统的误码率，间接提升了系统的传输速率和信道容量。

为实现上述技术目的，本发明采取的技术方案为：

一种基于全连接神经网络编码译码的光传输方法，其中：二进制比特流首先通过串并变化，将串行的二进制数据并行输入到全连接神经网络模块中，利用全连接神经网络模块的全连接方式对所有输入的相邻比特间的相互联系进行整合连接，保留输入比特信息间的相互关联和影响，将数据转化为符号信息后再进行脉冲整形，发射到信道进行传输。

为优化上述结构形式，采取的具体措施还包括：

上述的全连接神经网络模块包括前向传播和反向传播，前向传播为信号从输入层经过每一个神经元，直到输出神经元的传播过程，全连接神经网络模块经过前向传播输出数据，再根据数据经过反向传播不断地调整权重和偏置。