基于CNN的塑料光纤信道解码技术研究

发布时间：2021-01-04 03:01

　　为降低塑料光纤中放大自发发射噪声对解码信号的影响,应用卷积神经网络实现塑料光纤信道解码器,并设计三个TInception类型网络。将TanH非线性激活函数应用于解码器网络第一层,将设计的TInception2应用于解码器网络第二层,可提升训练效率,便于从塑料光纤信号中捕获多样且抽象的信号特征,增强模型的特征表达能力。经仿真,本塑料光纤信道解码器在非对称X～2噪声信道、非对称高斯噪声信道、加性高斯白噪声信道上,对于硬判决和软判决,Q因子为5.75时,信号误码率分别为0.082 72、0.000 64、0.007 26、0.001 23、0.006 27和0.001 34,均低于传统Viterbi光纤信道解码器和反馈神经网络解码器。 

【文章来源】：塑料科技. 2020年06期 北大核心

【文章页数】：5 页

【部分图文】：

ReLU激活函数

Google Inception网络

TInception1网络

【参考文献】：
期刊论文
[1]基于卷积神经网络的三维CAD模型分类[J]. 丁博,伊明.  哈尔滨理工大学学报. 2020(01)
[2]基于卷积神经网络的变压器有载分接开关故障识别[J]. 曾全昊,王丰华,郑一鸣,何文林.  电力系统自动化. 2020(11)
[3]卷积神经网络提取风云影像土壤湿度[J]. 韩颖娟,周顺武,王文文,张学艺,张承明,栗佩琪.  中国图象图形学报. 2020(04)
[4]基于深度可分离卷积的地铁隧道巡检视频分析[J]. 孙明华,杨媛,李渊博.  计算机工程与科学. 2020(04)
[5]论大数据应用现状及发展趋势[J]. 黄中正.  轻工科技. 2020(02)
[6]塑料光纤在泛在电力物联网中的应用[J]. 王鹏,杜煜南.  电子技术与软件工程. 2019(24)
[7]塑料光纤的研究与应用进展[J]. 孔德鹏,张大明,袁苑,穆启元,梅森,薛璐,王丽莉.  光子学报. 2019(11)
[8]反馈神经网络卷积码解码器在光纤通信中的研究[J]. 林国华,殷奎喜.  现代电子技术. 2007(07)



本文编号：2956017