买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学申请的专利基于微扰理论的复值卷积神经网络光纤非线性均衡方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116418405B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310395575.7，技术领域涉及：H04B10/25；该发明授权基于微扰理论的复值卷积神经网络光纤非线性均衡方法是由丁熙盈;王拥军;韩露;黄兴源;杨海锋;李超;白金旺;陈德文;李子木;张琦设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本基于微扰理论的复值卷积神经网络光纤非线性均衡方法在说明书摘要公布了：本发明公开了一种基于微扰理论的复值卷积神经网络光纤非线性均衡方法，包括以下步骤：S1、利用微扰理论对符号样本构造出复值信道特征图，形成原始训练集，并输入神经网络；S2、利用原始训练数据集训练复值卷积神经网络，对训练数据进行拟合，最后得到最合适的非线性均衡器模型；S3、对待测试信号构造复值信道输入特征图，并作为测试集输入到拟合好的非线性均衡器模型中进行均衡，得到输出结果。本发明提出的基于微扰理论的复值卷积神经网络光纤非线性均衡方法，利用微扰理论结合复值卷积神经网络提取更多有用的特征信息，解决非线性均衡时误码率高、补偿效果差的问题，提高非线性补偿效果，大大提升了系统性能。

本发明授权基于微扰理论的复值卷积神经网络光纤非线性均衡方法在权利要求书中公布了：1.一种基于微扰理论的复值卷积神经网络光纤非线性均衡方法，其特征在于，包括以下步骤： S1、利用微扰理论对符号样本构造出复值信道特征图，形成原始训练集，并输入神经网络；步骤S1的具体过程为： 当补偿第k个符号时，分别得到该符号以及该符号前后相邻的m、n、m+n个符号的I、Q分量数据，在处理信息时把I分量看作信号实部，把Q分量看作信号虚部； 假设在光纤中的传输光信号为高斯脉冲序列，基于一阶微扰理论和光纤链路中大色散的假设，得到当前符号k受到信道内交叉相位调制和信道内四波混频的非线性微扰三重积项，即特征单元 其中，A*表示A的复共轭，B*表示B的复共轭； 保留接收到的复符号的特征单元Fs的实部与虚部的对应关系，以及不同Fs之间的位置关系，将实信道和虚信道结合起来，得到复值信道特征图；依次对全部符号样本集作上述处理后，得到原始训练数据集； S2、利用原始训练数据集训练复值卷积神经网络，对训练数据进行拟合，最后得到最合适的非线性均衡器模型；步骤S2的拟合过程包括前向传播和反向传播两个阶段，具体为： 前向传播阶段：将当前输入信号的复值特征图传到复值卷积神经网络中，分别通过输入层、卷积层、全连接层，在输出层进行数据分类或回归； 反向传播阶段：对前向传播阶段得到的结果和原训练数据集的正确结果做对比，计算估计值与实际值之间的误差，并将该误差从输出层向前一层反向传播，直至传播到输入层；在反向传播的过程中，根据误差调整权重参数和偏置参数的值，不断迭代上述过程，最后当损失值不再变化时，复值卷积神经网络均衡器趋于收敛，训练结束，得到最合适的非线性均衡器模型； 在前向传播阶段，复值卷积神经网络的输入X＝XR+iXI、输出Y＝YR+iYI、偏置b＝bR+ibI和权重ω＝ωR+iωI都在复值域中，运算满足复运算，XR为输入X的实部，i为虚数单位，XI为输入X的虚部，YR为输出Y的实部，YI为输出Y的虚部，bR为偏置b的实部，bI为偏置b的虚部，ωR为权重w的实部，ωI为权重w的虚部； 在前向传播阶段，复值卷积神经网络卷积运算得到输出表达式为： Y＝fωX+b ＝f[XRωR-XIωI+bR]+if[XRωI+XIωR+bI] ＝fYR+ifYI 其中，ω为复值权重参数，b为复值偏置参数，f表示复值非线性激活函数，选择复数ReLU函数： CRelu＝max0,YR+imax0,YI 其中，C为Complex复值；S3、对待测试信号构造复值信道输入特征图，并作为测试集输入到拟合好的非线性均衡器模型中进行均衡，得到输出结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。