一种基于深度学习的光通信系统信道构建方法

专利申请号：CN202310595113.X

公 开 号：CN116346217A

发 明 人：常欢 忻向军 高然 姚海鹏 袁梦竹 马铭 葛洪武 黄鑫 吴巍 张琦 董泽 郭栋 潘晓龙 李志沛 周思彤 刘欣雨 朱磊 李欣颖 王富 张文全 武瑞德 闫景浩 

代 理 人：张利萍

代理机构：北京正阳理工知识产权代理事务所(普通合伙)

专利类型：发明专利

申 请 日：20230627

公 开 日：20230525

专利主分类号：H04B10/07

关 键 词：光通信系统 判别器 生成器 损失函数 条件生成 对抗 接收端 平均绝对误差 通信系统信道 光通信领域 均方误差 两端数据 纳什平衡 数据鉴别 网络包括 网络构建 信道构建 真实数据 假数据 鲁棒性 新数据 构建 建模 收端 信道 捕获 收发 混淆 输出 优化 网络 联合 学习 

摘      要：本发明公开的一种基于深度学习的光通信系统信道构建方法，属于光通信领域。本发明实现方法为：采用条件生成对抗网络构建光通信系统信道，构建包含多组损失函数优化的联合损失函数，多组损失函数包括均方误差损失、对抗损失、平均绝对误差损失。条件生成对抗网络包括生成器和判别器，通过生成器捕获光通信系统收发两端数据分布，并生成具有相同分布的接收端新数据用于混淆判别器；判别器对生成的假数据和真实收端数据鉴别，当判别器达到纳什平衡无法确定其输入来自生成器还是真实数据时，此时条件生成对抗网络中的生成器便能够对光通信系统信道快速准确建模，输出经过复杂损耗的光通信系统接收端数据，提升光通信系统的可靠性和鲁棒性。