[发明专利]基于深度学习的光纤通信传输系统互信息量计算方法及系统

说明书

本发明提供了一种基于深度学习的光纤通信传输系统互信息量计算方法及系统，包括：步骤S1：基于光纤通信传输系统进行数据传输，并获取原始数据集；步骤S2：基于深度学习神经网络对互信息量估计器进行训练，得到训练后的互信息量估计器；步骤S3：利用训练后的互信息量估计器对光纤通信传输系统互信息量进行计算。本发明引入深度学习神经网络的方法，通过对互信息量估计器的训练实现对光纤通信传输系统中的互信息量计算，方案具有可靠性，适用于光纤通信传输系统。

技术领域

本发明涉及光纤通信传输系统的技术领域，具体地，涉及基于深度学习的光纤通信传输系统互信息量计算方法及系统。

背景技术

在光纤通信传输系统领域，互信息量计算对系统评价、设计和调优有重要意义。传统的互信息量计算方法有蒙特-卡洛近似法、高斯-埃尔米特近似法等，这些传统计算方法均认定光纤信道近似为高斯噪声模型，通过高斯分布的数学解析式对互信息进行计算。但是在真实光纤通信传输系统中，由于光纤非线性效应的影响，导致光纤信道与高斯噪声模型信道存在差异，且光纤信道无法直接写出数学解析式，所以在利用传统计算方法对光纤通信传输系统收发端互信息量进行计算时，只能完成对互信息量近似计算，计算结果与真实互信息量存在误差。

专利文献CN114337849A(申请号：202111574717.3)公开了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解码器进行物理层保密传输。

针对上述缺陷，本发明提出了一种基于深度学习的光纤通信传输系统互信息量计算方法，使用基于真实光纤通信传输系统获取的训练数据集，通过深度学习神经网络对互信息量估计器进行训练，并使用互信息量估计器对光纤通信传输系统的互信息量进行计算。本发明通过机器学习的算法实现了光纤通信传输系统互信息量的计算，结构简单实用；本发明可以证明实现了比传统计算方法更准确的计算结果，从而证明了本方法的计算性能；本系统可以应用于任意的信道，具有更广的适用性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于深度学习的光纤通信传输系统互信息量计算方法及系统。

根据本发明提供的一种基于深度学习的光纤通信传输系统互信息量计算方法，包括：

步骤S1：基于光纤通信传输系统进行数据传输，并获取原始数据集；

步骤S2：基于深度学习神经网络对互信息量估计器进行训练，得到训练后的互信息量估计器；

步骤S3：利用训练后的互信息量估计器对光纤通信传输系统互信息量进行计算。

优选地，所述步骤S1采用：

步骤S1.1：将发射端信号输入到光纤信道得到接收端信号；

步骤S1.2：采集发射端信号和对应的接收端信号，作为互信息量估计器的原始数据来源。

优选地，所述步骤S2采用：

步骤S2.1：构建互信息量估计器的神经网络；

步骤S2.2：对获取的原始数据集进行预处理，构建符合采样数据对的采样矩阵；

步骤S2.3：利用符合采样数据对的采样矩阵，基于深度学习的方式训练互信息量估计器，获取训练后的互信息量估计器。

优选地，所述采样矩阵采用：

其中，x_i表示发射端的信号；y_i表示接收端的信号；下标i代表第i时刻采集的信号；N是每一轮次训练过程中的批数据大小。