CN112398543A - 用于光通信的方法、设备、***、装置和计算机可读介质 - Google Patents
用于光通信的方法、设备、***、装置和计算机可读介质 Download PDFInfo
- Publication number
- CN112398543A CN112398543A CN201910766168.6A CN201910766168A CN112398543A CN 112398543 A CN112398543 A CN 112398543A CN 201910766168 A CN201910766168 A CN 201910766168A CN 112398543 A CN112398543 A CN 112398543A
- Authority
- CN
- China
- Prior art keywords
- optical
- sequence
- determining
- input
- optical signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/61—Coherent receivers
- H04B10/616—Details of the electronic signal processing in coherent optical receivers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/66—Non-coherent receivers, e.g. using direct detection
- H04B10/69—Electrical arrangements in the receiver
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本公开的实施例涉及用于光通信的方法、***、装置和计算机可读介质和光子信号处理设备。该用于光通信的方法包括获取在从光学发射器到光学接收器之间的光路上传输的光信号序列;确定所述光信号序列输入和所述光信号序列经由至少一组调节参数调节后的输出之间的关联关系;至少部分地基于所述关联关系确定所述至少一组调节参数的偏移;以及基于所述偏移更新所述至少一组调节参数。以此方式,能够无需将光信号转换成电信号再进行处理,而是直接以全光方式来处理光信号,从而使得信号处理不再受到CPU处理能力的制约,显著提高的***性能。
Description
技术领域
本公开的实施例涉及光通信领域,更具体地涉及在用于光通信的方法、设备、***、装置和计算机可读介质。
背景技术
近年来,在光学或无线通信中,基于神经网络(NN)的信号处理逐渐被认为是一种有前景的信号处理方法,与诸如基于线性最小均方的传统信号处理方法相比具有一些显着的性能优势。
基于NN的机器学习能够提取和学习特定传输信道中的某些特征并且以监督的方式对其进行补偿。前向反馈神经网络(FF-NN)、循环神经网络(RNN)以及卷积神经网络(CNN)是其中几种较为著名的神经网络方面类型。
发明内容
总体上,本公开的实施例涉及一种用于光通信的方法、设备、***、装置和计算机可读介质。
在本公开的第一方面,提供了一种用于光通信的方法。该方法包括获取在从光学发射器到光学接收器之间的光路上传输的光信号序列;确定所述光信号序列输入和所述光信号序列经由至少一组调节参数调节后的输出之间的关联关系;至少部分地基于所述关联关系确定所述至少一组调节参数的偏移;以及基于所述偏移更新所述至少一组调节参数。
在本公开的第二方面,提供一种用于光子信号处理设备。该设备包括至少一个处理器;以及与所述至少一个处理器耦合的存储器,所述存储器包含有存储于其中的指令,所述指令在被所述至少一个处理单元执行时,使得该设备执行第一方面的方法。
在本公开的第三方面,提供一种用于光通信的***。该***包括用于发射光信号序列的光学发射器和用于接收在从所述光学发射器到所述光学接收器之间的光路上传输的所述光信号序列的光学接收器。该光学接收器包括光子信号处理设备。该光子信号处理设备被配置为执行第一方面的方法。
在本公开的第四方面,提供一种用于光通信的装置。该装置包括用于获取在从光学发射器到光学接收器之间的光路上传输的光信号序列的部件;用于确定所述光信号序列输入和所述光信号序列经由至少一组调节参数调节后的输出之间的关联关系的部件;用于至少部分地基于所述关联关系确定所述至少一组调节参数的偏移的部件;以及用于基于所述偏移更新所述至少一组调节参数的部件。
在本公开的第五方面,提供一种计算机可读介质。该计算机可读介质上存储有指令,当指令在被至少一个处理单元执行时,使得至少一个处理单元被配置为执行第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1是本公开描述的实施例可以在其中被实现的通信***的示意图;
图2示出了根据本公开的某些实施例的用于光通信的方法200的流程图;
图3示出了根据本公开的实施例来实施信号处理的原理图;
图4示出了根据本公开的实施例来实施信号处理的细节图;
图5示出了适合实现本公开实施例的电子设备的简化方框图;以及
图6示出了适合实现本公开的实施例的计算机可读介质的示意图。
在所有附图中,相同或相似参考数字表示相同或相似元素。
具体实施方式
下面将参考附图中所示出的若干示例性实施例来描述本公开的原理和精神。应当理解,描述这些具体的实施例仅是为了使本领域的技术人员能够更好地理解并实现本公开,而并非以任何方式限制本公开的范围。
如本文所使用的,术语“包括”及其类似用语应当理解为开放性包含,即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如本文所使用的,术语“确定”涵盖各种各样的动作。例如,“确定”可以包括运算、计算、处理、导出、调查、查找(例如,在表格、数据库或另一数据结构中查找)、查明等。此外,“确定”可以包括接收(例如,接收信息)、访问(例如,访问存储器中的数据)等。此外,“确定”可以包括解析、选择、选取、建立等。
本文使用的术语“电路”是指以下的一项或多项:(a)仅硬件电路实现方式(诸如仅模拟和/或数字电路的实现方式);以及(b)硬件电路和软件的组合,诸如(如果适用):(i)模拟和/或数字硬件电路与软件/固件的组合,以及(ii)硬件处理器的任意部分与软件(包括一起工作以使得诸如光学接收器或其他计算设备等装置执行各种功能的数字信号处理器、软件和存储器);以及(c)硬件电路和/或处理器,诸如微处理器或者微处理器的一部分,其要求软件(例如固件)用于操作,但是在不需要软件用于操作时可以没有软件。
电路的定义适用于此术语在本申请中(包括任意权利要求中)的所有使用场景。作为另一示例,在此使用的术语“电路”也覆盖仅硬件电路或处理器(或多个处理器)、或者硬件电路或处理器的一部分、或者其随附软件或固件的实现方式。例如,如果适用于特定权利要求元素,术语“电路”还覆盖基带集成电路或处理器集成电路或者光学接收器或其他计算设备中的类似的集成电路。
图1是本公开描述的实施例可以在其中被实现的通信***100的示意图。如图1所示,该通信***100包括光学发射器110和光学接收器120。如图所示,在光学发射器110例如可以向光学接收器120发送光信号序列。光学接收器120可以对在从光学发射器110至光学接收器120之间的光路上接收的光信号序列进行处理,以将接收的光信号序列恢复成光学发射器110发射的原始信号序列。此外,尽管在图1中未示出,光学接收器120还可以包括用于将所接收的光信号转换成电信号的光电转换器。
从图1中可以看出,光学接收器120包括光子信号处理设备130,该信号处理设备例如是基于神经网络(NN)的光子信号处理设备。在图1中,光子信号处理设备130被布置在光学接收器120中。应该理解,该光子信号处理设备130也可以被布置为独立于光学接收器120的信号处理设备。在这种情况下,光子信号处理设备130在光路上被布置在光学接收器120的上游。
如上文所述,在光学或无线通信中,基于NN的信号处理逐渐被认为是一种有前景的信号处理方法,与诸如基于线性最小均方的传统信号处理方法相比具有一些显着的性能优势。基于NN的机器学习能够提取和学习特定传输信道中的某些特征并且以监督的方式对其进行补偿。
在传统方案中,光学接收器在接收到来自光学发射器的光信号之后,首先通过光电转换器将光信号转换为电信号。电信号的多个采样序列被馈入到基于NN数字信号处理器(NN-DSP)中。由于NN-DSP在某种程度上提前(在训练阶段)被训练为“物理信道的广义逆函数”,NN-DSP的输出可以与传输前的原始信号序列相同的、被恢复的信号序列。
然而,基于NN-DSP的信号处理器存在以下方面的问题。首先,在使用基于NN-DSP的信号处理器进行信号均衡时涉及大量的数据计算,特别是当无源光网络(PON)以50G+线路速率运行时。然而,NN-DSP的信号处理器最大支持的处理速度(每秒帧数)受到限制,并且受到中央处理器(CPU)/图形处理器(GPU)的处理时钟,内存,功耗等方面的制约。
本公开的方案提出在光域中采用基于NN光子信号处理设备(NN-PSP),这是由于因为NN-PSP可以同样很好地执行NN-DSP中的3个基本功能,比如“延迟”,“可调权重”以及“非线性激励函数”,其区别在于该功能被实现在光域中。
例如,光域中的“延迟”是通过让光波传播一个额外可控制的波导段而引入的,因此可以在不存储光的情况下“兑现”光。“可调权重”可通过可调谐衰减器(如微环)实现,可以精确控制通过的光通量。此外,“非线性激活函数”可以由大量光子组分(如半导体光学放大器(SOA)的非线性输入输出现象表示。与涉及在CPU/GPU中进行大量计算的DSP不同,对NN-PSP处理速度的唯一限制是光速。此外,由于NN-PSP中的逻辑计算为零,其仅仅是物理效应,因此可以预见***功耗会显著降低。
采用NN-PSP带来的问题在于,如果对NN-PSP进行训练。因为NN-PSP训练不能在硬件本身完成,它需要额外的模拟来训练和学习参数,因为没有现有的方法可以探测和读出任何进出NN-DSP的神经旋钮的数字值。必须模拟NN-PSP,然后将参数分配给真实硬件NN-PSP。然而会导致模拟结果和硬件现实之间的不一致和不可避免的差距等问题。
鉴于此,本公开的实施例提供一种用于光通信的方法,该方法可以确定光信号的输入和该光信号经由调节参数集调节的输出之间的关联关系,并且基于该关联关系确定调节参数集的偏移,从而根据该偏移进一步更新调节参数集。
图2示出了根据本公开的实施例的通信方法200的流程图。在一些实施例中,方法200可以由光学接收器120来实现,例如可以由光学接收器120的光子信号处理设备130来实现。在其他实施例中,方法200也可以由独立于光学接收器120的计算设备来实现。为了便于讨论,将结合图1来讨论方法200。
在此使用的术语“神经网络”例如可以被理解为机器学习模型该模型能够从训练数据中学习到相应的输入与输出之间的关联,从而在训练完成后基于训练得到的参数集对给定的输入进行处理以生成对应的输出。“神经网络”有时也可以被称为“学习网络”、“学习模型”、“网络”或“模型”。这些术语在本文中可互换地使用。
在210,光子信号处理设备130获取从光学发射器110到光学接收器120之间的光路上传输的光信号序列。
光子信号处理设备130可以对获取到的光信号序列进行调节,以将其恢复成光学发射器110发射的原始光信号序列。图3示出了根据本公开的实施例、使用光子信号处理设备130来实施信号处理的原理图。以下结合图3从原理上概述根据本公开的实施例来实施信号处理的过程。
如图3所示,光子信号处理设备130例如可以从光信号序列的输入端310处、将在时间点t时刻,t-1时刻,t-2时刻,t-3时刻分别采样的光信号序列作为光子信号处理设备130的输入信号序列。
被采样的光信号序列分别被馈入光子信号处理设备130的输入层的四个输入节点1310、1311、1312以及1313,被输入的光信号序列能够经由调节模块132进行调节。
该调节模块可以具有多个调节阵列,这些多个调节阵列中的调节节点被设置有相应的调节参数、也即权重,以对输入的光信号序列进行调节。在本公开中,同一个调节阵列中的调节节点的调节参数被称作“一组调节参数”。
调节后的光信号序列被馈送到输出层132,从该输出层132输出的被恢复的光信号序列是从光信号序列的输出端320处的输出。
为了便于描述,在图3中示出光子信号处理设备130被布置为独立于光学接收器120。应当理解,在图3中示出的框310、130以及320能够被集成在该光学接收器120的内部。
再次参见图2,在220,光子信号处理设备130确定该光信号序列的输入和经过至少一组调节参数调节调节后的光信号序列输出之间的关联关系,以及在230,光子信号处理设备130至少部分地基于该关联关系确定至少一组调节参数的偏移。该调节参数的偏移例如可以包括调节大小的偏移和调节方向的偏移。
图4进一步示出了根据本公开的实施例来实施信号处理的细节图。以下结合图4对根据本公开的实施例基于NN-PSP的来实施信号处理的过程。
光子信号处理设备130的输入端310处输入的采样的光信号序列,例如在图3中示出的,在时间点t时刻,t-1时刻,t-2时刻,t-3时刻分别采样的光信号序列在被馈入到光子信号处理设备130后,每个采样的光信号序列可以分别进入多条输入分支,针对同一个光信号序列,每个输入分支的输入相同。
例如,在图3中示出的光信号序列的输入1310可以被分别输入到三个输入分支,每个分支上的输入1310,1311和1312与输入1310相同。
如图4所示,基于NN-PSP的光子信号处理设备130中可以包括用于使输入的光信号序列发生延迟的延迟模块410。如果将光信号序列的输入1310视作被采样的光信号序列的第一输入,该延迟被递增地施加到该第一输入之后的光信号序列的输入上。
基于NN-PSP的光子信号处理设备130中还可以包括第一调节阵列,该第一调节阵列可以包括多个子调节阵列,例如子调节阵列421和子调节阵列422。子调节阵列上的每个调节节点分别对应于每个输出分支上的光信号序列的输入。例如,子调节阵421对应于光信号序列的输入1310,而子调节阵列上的每个调节节点4210、4211和4212各自对应于光信号序列的输入1310的各个分支上的输入1310,1311和1312。
基于NN-PSP的光子信号处理设备130中还可以包括非线性激励函数层430,该非线性激励函数层430可以具有三个节点4300,4301和4302。一般而言,神经网络中的每个节点接受输入值,并将输入值传递给下一层。输入节点会将输入属性值直接传递给下一层(隐层或输出层)。在神经网络中,隐层和输出层节点的输入和输出之间具有函数关系,这个函数称为激励函数。
在图4示出的示例中,每个输入的第一分支在经过第一调节阵列后被输入到非线性激励函数层430的第一节点处4300。相应的,每个输入的第二分支在经过第一调节阵列后被输入到非线性激励函数层430的第二节点处4301。每个输入的第三分支在经过第一调节阵列后被输入到非线性激励函数层430的第三节点处4300。
此外,基于NN-PSP的光子信号处理设备130中还可以包括第二调节阵列440。该第二调节阵列440可以包括三个调节节点4400,4401和4402。从非线性激励函数层430的三个节点处的输出被分别输入至第二调节阵列440可以的三个调节节点4400,4401和4402。
第一调节阵列和第二调节阵列例如可以被实现为在上文中已经提到的微环、即可调谐衰减器,以对所输入的光信号序列加权来调节该光信号序列。
以下结合图4来阐述用于实现图2示出的方法200中的动作220和230的方法。反向传播算法(BP)已被广泛用于计算FF-NN训练中每个“权重”,即第一调节阵列中的每个节点的调节参数和第二调节阵列中的每个节点的调节参数的微调值,将第一调节阵列视为第一层,而将第二调节阵列视为第二层,第一层和第二层的微调值可以由下式表示:
其中xi,y,η代表基于NN-PSP的光子信号处理设备130的输入,输出和学习速率;wji,1和wj,2分别表示第一层和第二层中的权重;i表示输入层中的光信号序列输入的序数,即该输入是输入层中的第几个输入;j表示激励函数层440中的节点的序数,即该节点是激励函数层440中的第几个节点;其中函数σ(·)表示上文所述的激励函数,其在某些情况下可以被表示为光信号序列的输入和输出的关联关系;aj可以表示为被输入的光信号序列经由第一调节序列调节后的第一中间值,而zj则表示第一中间值aj经由激励函数模块进行变换后的输出,也即第二调节阵列的输入,在下文中zj也被称作第二中间值。
在公式(1)和(2)中的学习速率η例如可以是预定值,可以根据所期望的训练速度来设置该学习速率η。因此,对于公式(1)而言,需要确定的项分别是xi,σ′(aj)以及wj,2,而对于公式(2)而言,需要确定的项是zj。
对于光子信号处理设备130的输入xi,可以通过旁路NN-PSP的部分(即绕过第一调节阵列、激励函数模块以及第二调节阵列),使光子信号处理设备130的输入xi直接由光电转换器进行转换并量化来得出。
接下来将讨论zj,σ(·)以及aj确定。首先将说明针对zj,即光信号序列在经由第二调节阵列调节前的第二中间值的确定。首先将应固定第一调节阵列的各个调节节点1310,1311,1312,…的调节参数值(w11,1,w12,1,w13,1,…,),然后将第二调节各个调节节点4400,4401和4402的调节参数值(w1,2,w2,2,w3,2)分别设置为[1 0 0],[0 1 0]和[0 0 1]。在每次设置第二调节各个调节节点4400,4401和4402的调节参数值(w1,2,w2,2,w3,2)是重发和接收光信号序列,并且量化接收的光信号序列。
例如a1和z1表示在激励函数层430的第一节点处4300之前和之后的值,即上文所提到的第一中间值和第二中间值。通过将权重w1,2设置为1,其余权重w2,2,w3,2设置为零,由此可以得到z1的值。通过类似的方法,即将调节参数值(w1,2,w2,2,w3,2)分别设置为[0 1 0]和[0 01],可以得到z2和z3的值。由此可以得到公式(2)中的zj。因此可以确定公式(2)中Δwj,2,即第二调节阵列中的调节参数组的偏移。
由于已经得到了zj,并且存在zj=σ(aj),即zj则表示第一中间值aj经由激励函数σ(·)进行变换后的输出,因此可以与激励函数σ(·)相关联地确定第一中间值aj。
可以对图4中的激励函数调节模块440中的每个节点(即每个半导体光学放大器)进行静态响应测试。例如,为了测试节点4300的静态响应,可以将第一调节阵列中的调节节点1310,1311,1312,…的调节参数(w11,1,w12,1,w13,1,…,)设置成[1,0,0,…]并且将第二调节阵列的调节节点4400,4401和4402的调节参数(w1,2,w2,2,w3,2)设置成[1 0 0],即仅仅启用w11,1和w1,2。因此存在y=z1以及a1=x。
由此能够建立激励函数调节模块440的输入和输出之间的对应关系,即能够确定σ(·)并且进而根据zj=σ(aj)确定aj。因此能够得出公式(1)中的项σ′(aj)。因为设定的wj,2的值也是已知的,因此能够得到公式(1)所求的Δwji,1,即第一调节阵列中的调节参数组的偏移。
通过上文详细描述的信号处理过程的实现和数学支持,可以清楚的知晓图2示出的方法200中的动作220和230的具体实施方式。总体而言,在一些实施例中,光子信号处理设备130可以通过将光信号序列进行光电转换确定光信号序列的所述输入并且通过设定至少一组调节参数的调节值确定光信号序列经由至少一组调节参数调节后的输出。光子信号处理设备130可以基于所确定的输入和输出确定该输入和输出之间的关联关系。
在一些实施例中,至少一组调节参数可以包括第一组调节参数和第二组调节参数,光子信号处理设备130可以通过设定第二组调节参数的调节值确定光信号序列在经由第二组调节参数调节前的中间值。
在一些实施例中,光子信号处理设备130可以通过所确定的关联关系、中间值以及光信号序列的输入和光信号序列经由至少一组调节参数调节后的输出来确定第一组调节参数的偏移。
在一些实施例中,光子信号处理设备130可以基于所确定的中间值来确定第二组调节参数的偏移。
再次参考图2,在240,光子信号处理设备130基于所确定的偏移值来更新至少一组调节参数。
本公开的实施例提供了一种基于NN-PSP的光子信号处理设备130光信号处理方法和设备,可以以光速处理信号。以此方式,能够计算和监督NN中每个“权重”的变化。经过训练后的NN-PSP可以以光速处理信号,而不受CPU/GPU处理能力造成的速度制约。
图5是适合于实现本公开的实施例的设备500的简化框图。可以提供设备500以实现通信设备,例如如图1所示光学接收器110和光学接收器120。如图所示,设备500包括一个或多个处理器510,一个或多个存储器540被耦合到处理器510,并且一个或多个发射器和/或接收器(TX/RX)540被耦合到处理器510。
TX/RX 540用于双向通信。TX/RX 540具有至少一个天线以便于通信。通信接口可以表示与其他网络元件通信所必需的任何接口。
处理器510可以是适合于本地技术网络的任何类型,并且可以包括但不限于通用计算机、专用计算机、微控制器、数字信号控制器(DSP)、以及基于控制器的多核控制器架构中的一个或多个。设备500可以具有多个处理器,例如专用集成电路芯片,其在时间上从属于与主处理器同步的时钟。
存储器520可以包括一个或多个非易失性存储器和一个或多个易失性存储器。非易失性存储器的示例包括但不限于只读存储器(ROM)524,可擦除可编程只读存储器(EPROM),闪存,硬盘,光盘(CD),数字视频盘(DVD)和其他磁存储和/或光存储。易失性存储器的示例包括但不限于随机存取存储器(RAM)522和不会在断电持续时间中持续的其他易失性存储器。
计算机程序530包括由关联处理器510执行的计算机可执行指令。程序530可以存储在ROM 520中。处理器510可以通过将程序530加载到RAM 520中来执行任何合适的动作和处理。
可以借助于程序530来实现本公开的实施例,使得设备500可以执行如参考图2至4所讨论的本公开的任何过程。本公开的实施例还可以通过硬件或通过软件和硬件的组合来实现。
在一些实施例中,程序530可以有形地包含在计算机可读介质中,该计算机可读介质可以包括在设备500中(诸如在存储器520中)或者可以由设备500访问的其他存储设备。可以将程序530从计算机可读介质加载到RAM 522以供执行。计算机可读介质可以包括任何类型的有形非易失性存储器,例如ROM,EPROM,闪存,硬盘,CD,DVD等。图5示出了CD或DVD形式的计算机可读介质500的示例。计算机可读介质上存储有程序530。
通常,本公开的各种实施例可以以硬件或专用电路,软件,逻辑或其任何组合来实现。一些方面可以用硬件实现,而其他方面可以用固件或软件实现,其可以由控制器,微处理器或其他计算设备执行。虽然本公开的实施例的各个方面被示出并描述为框图,流程图或使用一些其他图示表示,但是应当理解,本文描述的框,装置,***,技术或方法可以实现为,如非限制性示例,硬件,软件,固件,专用电路或逻辑,通用硬件或控制器或其他计算设备,或其某种组合。
本公开还提供有形地存储在非暂时性计算机可读存储介质上的至少一个计算机程序产品。该计算机程序产品包括计算机可执行指令,例如包括在程序模块中的指令,其在目标的真实或虚拟处理器上的设备中执行,以执行如上参考图2所述的方法200。通常,程序模块包括执行特定任务或实现特定抽象数据类型的例程,程序,库,对象,类,组件,数据结构等。在各种实施例中,可以根据需要在程序模块之间组合或分割程序模块的功能。用于程序模块的机器可执行指令可以在本地或分布式设备内执行。在分布式设备中,程序模块可以位于本地和远程存储介质中。
用于实现本公开的方法的计算机程序代码可以用一种或多种编程语言编写。这些计算机程序代码可以提供给通用计算机、专用计算机或其他可编程的数据处理装置的处理器,使得程序代码在被计算机或其他可编程的数据处理装置执行的时候,引起在流程图和/或框图中规定的功能/操作被实施。程序代码可以完全在计算机上、部分在计算机上、作为独立的软件包、部分在计算机上且部分在远程计算机上或完全在远程计算机或服务器上执行。
在本公开的上下文中,计算机程序代码或者相关数据可以由任意适当载体承载,以使得设备、装置或者处理器能够执行上文描述的各种处理和操作。载体的示例包括信号、计算机可读介质、等等。信号的示例可以包括电、光、无线电、声音或其它形式的传播信号,诸如载波、红外信号等。
计算机可读介质可以是包含或存储用于或有关于指令执行***、装置或设备的程序的任何有形介质。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以包括但不限于电子的、磁的、光学的、电磁的、红外的或半导体***、装置或设备,或其任意合适的组合。计算机可读存储介质的更详细示例包括带有一根或多根导线的电气连接、便携式计算机磁盘、硬盘、随机存储存取器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光存储设备、磁存储设备,或其任意合适的组合。
此外,尽管在附图中以特定顺序描述了本公开的方法的操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤组合为一个步骤执行,和/或将一个步骤分解为多个步骤执行。还应当注意,根据本公开的两个或更多装置的特征和功能可以在一个装置中具体化。反之,上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。
虽然已经参考若干具体实施例描述了本公开,但是应当理解,本公开不限于所公开的具体实施例。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等效布置。
Claims (13)
1.一种用于光通信的方法,包括:
获取在从光学发射器到光学接收器之间的光路上传输的光信号序列;
确定所述光信号序列的输入和所述光信号序列经由至少一组调节参数调节后的输出之间的关联关系;
至少部分地基于所述关联关系确定所述至少一组调节参数的偏移;以及
基于所述偏移更新所述至少一组调节参数。
2.根据权利要求1所述的方法,其中确定所述关联关系包括:
通过将所述光信号序列进行光电转换确定所述光信号序列的所述输入;
通过设定所述至少一组调节参数的调节值确定所述光信号序列经由所述至少一组调节参数调节后的所述输出;以及
基于所述输入和所述输出确定所述关联关系。
3.根据权利要求1所述的方法,其中所述至少一组调节参数包括第一组调节参数和第二组调节参数,其中所述方法还包括:
通过设定所述第二组调节参数的调节值确定所述光信号序列在经由所述第二组调节参数调节前的中间值。
4.根据权利要求3所述的方法,其中确定所述至少一组调节参数的偏移包括:
获取所述光信号序列的所述输入和所述光信号序列经由所述至少一组调节参数调节后的所述输出;以及
基于所述关联关系、所述中间值、所述输入和所述输出确定所述第一组调节参数的偏移。
5.根据权利要求3所述的方法,还包括:
基于所述中间值来确定所述第二组调节参数的偏移。
6.一种光子信号处理设备,包括:
至少一个处理器;以及
与所述至少一个处理器耦合的存储器,所述存储器包含有存储于其中的指令,所述指令在被所述至少一个处理单元执行时,使得所述光子信号处理设备执行以下动作:
获取在从光学发射器到光学接收器之间的光路上传输的光信号序列;
确定所述光信号序列输入和所述光信号序列经由至少一组调节参数调节后的输出之间的关联关系;
至少部分地基于所述关联关系确定所述至少一组调节参数的偏移;以及
基于所述偏移更新所述至少一组调节参数。
7.根据权利要求6所述的设备,其中通过以下方式使所述设备确定所述关联关系:
通过将所述光信号序列进行光电转换确定所述光信号序列的所述输入;
通过设定所述至少一组调节参数的调节值确定所述光信号序列经由所述至少一组调节参数调节后的所述输出;以及
基于所述输入和所述输出确定所述关联关系。
8.根据权利要求6所述的设备,其中所述至少一组调节参数包括第一组调节参数和第二组调节参数,其中所述至少一个存储器和所述指令进一步被配置为,与所述至少一个处理器一起,使得所述设备:
通过设定所述第二组调节参数的调节值确定所述光信号序列在经由所述第二组调节参数调节前的中间值。
9.根据权利要求8所述的设备,其中通过以下方式使所述设备确定所述至少一组调节参数的偏移:
获取所述光信号序列的所述输入和所述光信号序列经由所述至少一组调节参数调节后的所述输出;
基于所述关联关系、所述中间值、所述输入和所述输出确定所述第一组调节参数的偏移。
10.根据权利要求8所述的设备,其中所述至少一个存储器和所述指令进一步被配置为,与所述至少一个处理器一起,使得所述设备:
基于所述中间值来确定所述第二组调节参数的偏移。
11.一种用于光通信的***,包括:
光学发射器,用于发射光信号序列;
光学接收器,用于接收在从所述光学发射器到所述光学接收器之间的光路上传输的所述光信号序列,所述光学接收器包括:
光子信号处理设备,所述光子信号处理设备被配置为执行根据权利要求1至5中任一项所述的方法。
12.一种用于光通信的装置,包括:
用于获取在从光学发射器到光学接收器之间的光路上传输的光信号序列的部件;
用于确定所述光信号序列输入和所述光信号序列经由至少一组调节参数调节后的输出之间的关联关系的部件;
用于至少部分地基于所述关联关系确定所述至少一组调节参数的偏移的部件;以及
用于基于所述偏移更新所述至少一组调节参数的部件。
13.一种计算机可读介质,所述计算机可读介质上存储有指令,当所述指令在被至少一个处理单元执行时,使得至少一个处理单元被配置为执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910766168.6A CN112398543B (zh) | 2019-08-19 | 2019-08-19 | 用于光通信的方法、设备、***、装置和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910766168.6A CN112398543B (zh) | 2019-08-19 | 2019-08-19 | 用于光通信的方法、设备、***、装置和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112398543A true CN112398543A (zh) | 2021-02-23 |
CN112398543B CN112398543B (zh) | 2023-08-25 |
Family
ID=74603593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910766168.6A Active CN112398543B (zh) | 2019-08-19 | 2019-08-19 | 用于光通信的方法、设备、***、装置和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112398543B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT202100011357A1 (it) * | 2021-05-04 | 2021-08-04 | Univ Degli Studi Di Trento | Modulo ottico di trasmissione-ricezione con rete neurale |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102088319A (zh) * | 2009-12-02 | 2011-06-08 | 华为技术有限公司 | 一种信号损伤补偿方法、装置和光接收机 |
CN107329887A (zh) * | 2016-04-28 | 2017-11-07 | 腾讯科技(深圳)有限公司 | 一种基于推荐***的数据处理方法以及装置 |
CN107909142A (zh) * | 2017-11-14 | 2018-04-13 | 深圳先进技术研究院 | 一种神经网络的参数优化方法、***及电子设备 |
US20180211158A1 (en) * | 2017-01-25 | 2018-07-26 | Government Of The United States Of America, As Represented By The Secretary Of Commerce | Neuromimetic circuit |
CN108880691A (zh) * | 2017-05-11 | 2018-11-23 | 上海诺基亚贝尔股份有限公司 | 用于解调信号的方法、设备及计算机可读介质 |
CN109376855A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院计算技术研究所 | 一种光神经元结构和包含该结构的神经网络处理*** |
CN109379138A (zh) * | 2018-08-24 | 2019-02-22 | 中国电子科技集团公司第二十九研究所 | 基于光子神经网络的高线性微波光子链路实现方法及结构 |
CN109660297A (zh) * | 2018-12-19 | 2019-04-19 | 中国矿业大学 | 一种基于机器学习的物理层可见光通信方法 |
WO2019116503A1 (ja) * | 2017-12-14 | 2019-06-20 | 三菱電機株式会社 | 光受信装置および光受信方法 |
CN109962747A (zh) * | 2019-03-13 | 2019-07-02 | 中国电子科技集团公司第二十九研究所 | 宽带电磁信号的光子神经网络自适应处理装置 |
-
2019
- 2019-08-19 CN CN201910766168.6A patent/CN112398543B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102088319A (zh) * | 2009-12-02 | 2011-06-08 | 华为技术有限公司 | 一种信号损伤补偿方法、装置和光接收机 |
CN107329887A (zh) * | 2016-04-28 | 2017-11-07 | 腾讯科技(深圳)有限公司 | 一种基于推荐***的数据处理方法以及装置 |
US20180211158A1 (en) * | 2017-01-25 | 2018-07-26 | Government Of The United States Of America, As Represented By The Secretary Of Commerce | Neuromimetic circuit |
CN108880691A (zh) * | 2017-05-11 | 2018-11-23 | 上海诺基亚贝尔股份有限公司 | 用于解调信号的方法、设备及计算机可读介质 |
CN107909142A (zh) * | 2017-11-14 | 2018-04-13 | 深圳先进技术研究院 | 一种神经网络的参数优化方法、***及电子设备 |
WO2019116503A1 (ja) * | 2017-12-14 | 2019-06-20 | 三菱電機株式会社 | 光受信装置および光受信方法 |
CN109379138A (zh) * | 2018-08-24 | 2019-02-22 | 中国电子科技集团公司第二十九研究所 | 基于光子神经网络的高线性微波光子链路实现方法及结构 |
CN109376855A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院计算技术研究所 | 一种光神经元结构和包含该结构的神经网络处理*** |
CN109660297A (zh) * | 2018-12-19 | 2019-04-19 | 中国矿业大学 | 一种基于机器学习的物理层可见光通信方法 |
CN109962747A (zh) * | 2019-03-13 | 2019-07-02 | 中国电子科技集团公司第二十九研究所 | 宽带电磁信号的光子神经网络自适应处理装置 |
Non-Patent Citations (1)
Title |
---|
王睿;任全胜;赵建业;: "光学神经拟态计算研究进展", 激光与光电子学进展, no. 12, pages 35 - 45 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT202100011357A1 (it) * | 2021-05-04 | 2021-08-04 | Univ Degli Studi Di Trento | Modulo ottico di trasmissione-ricezione con rete neurale |
WO2022234607A1 (en) * | 2021-05-04 | 2022-11-10 | Universita' Degli Studi Di Trento | Optical transmitting-receiving module with neural network |
Also Published As
Publication number | Publication date |
---|---|
CN112398543B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113139662A (zh) | 联邦学习的全局及局部梯度处理方法、装置、设备和介质 | |
CN112243166B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
CN113537501B (zh) | 电磁串扰的标定和缓释方法、装置及电子设备 | |
Ma et al. | Robust proportionate adaptive filter based on maximum correntropy criterion for sparse system identification in impulsive noise environments | |
CN114004425B (zh) | 物品流转信息预测模型生成方法、信息生成方法、装置 | |
CN108710109A (zh) | 一种车载雷达频段分配方法及*** | |
US20110166846A1 (en) | Simulation device and simulation method | |
US20170149132A1 (en) | Blind calibration of sensors of sensor arrays | |
US20220131619A1 (en) | Optical receiving apparatus and coefficient optimization method | |
CN112398543B (zh) | 用于光通信的方法、设备、***、装置和计算机可读介质 | |
CN103701414B (zh) | 非线性项的选择装置及方法、辨识***及补偿*** | |
US10455636B2 (en) | Link packing in mmWave networks | |
CN113411140B (zh) | 信道自适应通道特性学习方法及其模拟器、卫星导航*** | |
CN113823312B (zh) | 语音增强模型生成方法和装置、语音增强方法和装置 | |
RU2653485C1 (ru) | Способ адаптивного выбора оптимального параметра алгоритма коррекции сигналов | |
CN112714369B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
CN110782017B (zh) | 用于自适应调整学习率的方法和装置 | |
CN112578458B (zh) | 叠前弹性阻抗随机反演方法、装置、存储介质及处理器 | |
CN110380749A (zh) | 单通道射频抗饱和装置、方法及其*** | |
JP2016195391A (ja) | 非線形特性推定装置及び非線形特性推定方法 | |
Nevzorov et al. | A neural network simulator of a nonstationary medium in an adaptive data transmission system | |
CN113630667B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
CN114442169B (zh) | 地震资料中近源信号压制方法及装置 | |
US20200076522A1 (en) | Method for emulating a radio channel | |
Ye et al. | P-Norm Based Subband Adaptive Filtering Algorithm: Performance Analysis and Improvements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |