基于机器学习的光纤非线性损伤补偿技术

发布时间：2020-05-07 09:04

【摘要】：在现代高宽带网络业务广泛应用的驱动下,光纤通信系统朝着“超大容量”、“超大速率”、“超长距离”方向发展。适用于高阶调制格式的高速相干光通信技术是未来大容量光纤通信发展的趋势。然而,光放大器的自发辐射噪声及光纤中的非线性效应引入的信号损伤已成为限制相干光通信系统性能的主要因素。幸运的是,在相干光通信系统中,可以利用高效的数字信号处理技术,对各种信号损伤进行补偿,可以极大的优化相干光传输系统的性能。目前可利用简单的自适应均衡数字信号处理算法有效地补偿光纤传输引入的线性损伤,而光纤非线性损伤则需要非常复杂的数字信号处理算法。本文利用两种机器学习算法,基于K-means聚类算法及KNN分类算法,通过高效识别信号星座点,提高信号判决准确度,从而缓解光纤非线性引入的信号损伤。并针对两种传统算法存在的问题,以及相干光通信系统的特点,提出了改进的算法,最后在16-QAM及64-QAM相干光传输实验系统中验证算法的可行性。改进的算法具有高归类精确度,低数据冗余度,低计算复杂度等优点,有望在大容量长距离相干光通信系统中获得实际应用。
【图文】：

图 1-1 思科预测 2016-2021 年互联网流量预测图高速相干光通信系统面临的挑战骨干网主要是光纤网络系统，如今要面对扩容升级的压力[5,6]。虽然，目 光纤通信网络已经在全球各地部署。即使如此，100 G 波分系统所提供输容量却仍无法长期满足我国干线网络流量的增长需求，而应用于下一的 400G 系统正在进行测试研究。进一步，， 400G 系统技术成熟之后，统将是未来光纤通信研究的重点。于单载波偏振复用正交相移键控 (PM-QPSK)100G 光纤通信系统，400方案，目前还没有统一的国际标准。400 G 通信系统可采用 50 GHz 频波偏振复用 64 正交幅度调制 (PM-64QAM) 技术，也可采用 100 GHz载波偏振复用 16 正交幅度调制 (PM-16QAM) 技术，或者采用 200 G

绪论 基于机器学习的光纤非线性损伤 年在 IBM 创造的[12]。从模式识别和计算学习理论在人工智能研究中发展了可以学习和预测数据的算法的研究和构建，这些算法克服了严格的静态据驱动的预测或决策。依靠硬编码的知识体系面对的困难表明，具备自的能力，即从原始数据中提取模式的能力[13]。引入机器学习使计算机能够实世界知识的问题，并能做出看似主观的决策。比如，通过从样本输入建立一系列计算任务，一个被称为逻辑回归的简单机器学习算法可以决定是否。而同样是简单机器学习算法的朴素贝叶斯则可以区分垃圾电子邮件和合。还有更多的示例应用程序包括检测网络入侵者或恶意内部人员以解决数工神经网络对人脸识别跟踪等。
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN929.1;TP181

【相似文献】

相关期刊论文 前10条

1 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期

2 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期

3 陈轶翔;埃里克·布伦乔尔森;汤姆·米切尔;;机器学习的能力范围及其对劳动力的影响[J];世界科学;2018年04期

4 赵长林;;机器学习即服务[J];网络安全和信息化;2017年10期

5 ;机器学习作用于信息安全的五大顶级案例[J];网络安全和信息化;2018年01期

6 吴承杨;;2018年来说说机器学习[J];软件和集成电路;2018年05期

7 宋雯博;;大数据下的机器学习的应用趋势[J];电脑迷;2018年09期

8 吴炜;孙强;;应用机器学习加速新材料的研发[J];中国科学:物理学 力学 天文学;2018年10期

9 宋明成;;机器学习隐私的安全隐患[J];计算机与网络;2018年16期

10 游思奇;;解读机器学习与深度学习的发展及应用[J];计算机产品与流通;2018年05期

相关会议论文 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王衍鲁;张利会;张淑洁;石洁茹;王鹏;;大学新生学校适应的个体与环境因素探究:基于机器学习的考察[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年

3 张长水;;大数据机器学习[A];2015年中国自动化大会摘要集[C];2015年

4 何琳;侯汉清;;基于标引经验和机器学习相结合的多层自动分类[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

8 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 吴娜;刁联旺;;基于机器学习的博弈对抗模型优化框架软件系统设计[A];第六届中国指挥控制大会论文集（上册）[C];2018年

10 吴向华;;机器学习在钢厂能耗分析中的应用[A];中国计量协会冶金分会2018年会论文集[C];2018年

相关重要报纸文章 前10条

1 360 IoT研究院院长 李康;从机器学习到机器创造[N];中国信息化周报;2017年

2 谢静;机器学习帮助用户释放数据价值[N];人民邮电;2018年

3 Mary Branscombe 编译 范范;关于机器学习的9大误区[N];计算机世界;2018年

4 张盖伦;机器学习界所抵制的，是旧的知识分享方式[N];科技日报;2018年

5 外语教学与研究出版社基础教育分社综合产品部编辑部副主任 张世钦;机器学习赋能编辑出版[N];中国出版传媒商报;2018年

6 复旦大学社会学系 胡安宁;以机器学习方法助力因果推断[N];中国社会科学报;2018年

7 王健飞 刘梦乔;让“算法公平”成为机器学习的一部分[N];人民邮电;2018年

8 Bob Violino 编译 Charles;机器学习已证明了自身的商业价值[N];计算机世界;2018年

9 微纳电子系;微纳电子系任天令团队在机器学习器件上取得突破[N];新清华;2018年

10 Matt Asay 编译 陈琳华;机器学习:如何从理论走向现实[N];计算机世界;2018年

相关博士学位论文 前10条

1 张庆庆;基于机器学习的文本情感分类研究[D];西北工业大学;2016年

2 窦贤明;机器学习方法在陆地生态系统碳水通量模拟中的应用研究[D];中国矿业大学;2018年

3 鲁路;基于机器学习优化分子对接筛选肾衰营养胶囊有效成分[D];南方医科大学;2017年

4 王泉德;机器学习及其在多Agent对策学习中的应用研究[D];武汉大学;2005年

5 翁时锋;基于机器学习的几种医学数据处理方法研究[D];清华大学;2005年

6 范玉刚;基于Kernel的机器学习在建模与分类问题的应用研究[D];浙江大学;2006年

7 蒋刚;核机器学习方法若干问题研究[D];西南交通大学;2006年

8 李智;机器学习方法及其在基金项目评审中的应用研究[D];天津大学;2004年

9 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年

10 刘章林;基于机器学习的编译优化适应性研究[D];中国科学院研究生院（计算技术研究所）;2006年

相关硕士学位论文 前10条

1 金厅;网络新闻热点分布及其热度预测方法研究[D];杭州电子科技大学;2018年

2 王章章;基于机器学习的价格预测模型研究与实现[D];长安大学;2018年

3 金豆;基于机器学习的阿尔法套利策略可行性研究[D];苏州大学;2018年

4 杭立;基于机器学习和图像处理技术的病虫害预测[D];宁夏大学;2018年

5 王晗;在线商品评论情感分析和评论有用性的研究[D];广西民族大学;2018年

6 祝雨雷;计算流体力学与机器学习在主动脉缩窄及主动脉瓣狭窄患者评估中的临床应用研究[D];华南理工大学;2018年

7 陈亦辉;基于机器学习的上海市大气污染源解析研究[D];华东师范大学;2018年

8 陈崇一;基于机器学习的建筑外墙外保温热工缺陷检测方法[D];哈尔滨工业大学;2018年

9 龚泽威一;基于机器学习的居民用电行为分析[D];昆明理工大学;2018年

10 常升龙;基于机器学习的农作物种植结构遥感提取研究[D];河南师范大学;2018年

本文编号：2652746