本發(fā)明涉及光學(xué)通信領(lǐng)域，尤其是涉及一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法及系統(tǒng)。

背景技術(shù)：

1、隨著大數(shù)據(jù)時(shí)代的發(fā)展，對(duì)網(wǎng)絡(luò)傳輸速度的要求越來(lái)越高，基于單模光纖的光纖通信系統(tǒng)組成了現(xiàn)代互聯(lián)網(wǎng)的主干。多模光纖的空間自由度允許它傳輸更復(fù)雜的空間信息，通過(guò)高維編碼與傳統(tǒng)模分復(fù)用、波分復(fù)用等復(fù)用方法兼容被認(rèn)為有望成為提高通信速率的重要資源。多模光纖的傳輸速度相比于傳統(tǒng)的單模光纖將會(huì)有數(shù)量級(jí)上提升，是未來(lái)超高速通信系統(tǒng)發(fā)展的重要方向。

2、但目前由于不可避免的模式混合和模式色散，使得輸入多模光纖的圖像都會(huì)在輸出端被轉(zhuǎn)換為復(fù)雜的散斑圖案模式。目前深度學(xué)習(xí)的傳輸方法已經(jīng)被大規(guī)模的開(kāi)發(fā)應(yīng)用于多模光纖的信息傳輸。但由于多模光纖的時(shí)變性，這些傳輸模型很快就會(huì)失效，如何長(zhǎng)時(shí)間連續(xù)的傳輸信息依舊是多模光纖應(yīng)用于通信領(lǐng)域的一個(gè)難題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供了一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法及系統(tǒng)，可進(jìn)行長(zhǎng)時(shí)間連續(xù)且準(zhǔn)確的信息傳輸。

2、本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

3、根據(jù)本發(fā)明的第一方面，提供了一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，該方法包括以下步驟：

4、步驟s1、通過(guò)空間光調(diào)制器將不同的圖片按時(shí)間序列不斷載入激光輸入多模光纖，并在多模光纖輸出端獲得對(duì)應(yīng)的散斑圖像；

5、步驟s2、構(gòu)建內(nèi)嵌有多個(gè)神經(jīng)網(wǎng)絡(luò)的長(zhǎng)短時(shí)訓(xùn)練模型，將輸出散斑圖像作為輸入，對(duì)應(yīng)的圖片作為輸出，對(duì)多個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行分別訓(xùn)練；其中，內(nèi)嵌的多個(gè)神經(jīng)網(wǎng)絡(luò)模型分為用于按照不同的時(shí)間間隔進(jìn)行重建的短時(shí)神經(jīng)網(wǎng)絡(luò)，以及用于進(jìn)行微調(diào)的長(zhǎng)時(shí)神經(jīng)網(wǎng)絡(luò)；

6、步驟s3、將長(zhǎng)短時(shí)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)值按置信度加權(quán)得到對(duì)應(yīng)的偽標(biāo)簽圖片，將偽標(biāo)簽圖片與對(duì)應(yīng)的散斑圖片組成新的訓(xùn)練組對(duì)步驟s2中的所有神經(jīng)網(wǎng)絡(luò)進(jìn)行微調(diào)訓(xùn)練；

7、步驟s4、采用定期訓(xùn)練后的長(zhǎng)短時(shí)訓(xùn)練模型進(jìn)行多模光纖數(shù)據(jù)傳輸。

8、優(yōu)選地，所述短時(shí)神經(jīng)網(wǎng)絡(luò)的數(shù)量至少為2。

9、優(yōu)選地，所述內(nèi)嵌的神經(jīng)網(wǎng)絡(luò)為卷積神經(jīng)網(wǎng)絡(luò)或全連接神經(jīng)網(wǎng)絡(luò)。

10、優(yōu)選地，所述長(zhǎng)短時(shí)訓(xùn)練模型的損失函數(shù)為均方誤差mse圖像度量指標(biāo)、結(jié)構(gòu)相似性ssim圖像度量指標(biāo)、或兩者的加權(quán)求和。

11、優(yōu)選地，初始一段時(shí)間的輸出散斑和對(duì)應(yīng)的圖片真值對(duì)內(nèi)嵌的多個(gè)神經(jīng)網(wǎng)絡(luò)分別進(jìn)行初始訓(xùn)練，后續(xù)傳輸將只提供實(shí)時(shí)的散斑圖片。

12、優(yōu)選地，對(duì)于長(zhǎng)時(shí)神經(jīng)網(wǎng)絡(luò)，將最新一段時(shí)間的偽標(biāo)簽圖片當(dāng)成真值圖片并與對(duì)應(yīng)的散斑組成最新的數(shù)據(jù)組提供給內(nèi)嵌的神經(jīng)網(wǎng)絡(luò)分別進(jìn)行微調(diào)訓(xùn)練。

13、一些事，所述將長(zhǎng)短時(shí)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)值按置信度加權(quán)得到對(duì)應(yīng)的偽標(biāo)簽圖片，具體為：將長(zhǎng)短時(shí)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)值按置信度權(quán)重度對(duì)內(nèi)嵌的所有神經(jīng)網(wǎng)絡(luò)進(jìn)行軟投票并得到對(duì)應(yīng)的偽標(biāo)簽圖片。

14、根據(jù)本發(fā)明的第二方面，提供了一種多模光纖通信系統(tǒng)，所述系統(tǒng)包括集成有任一項(xiàng)所述的基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法的多模光纖數(shù)據(jù)傳輸模塊。

15、根據(jù)本發(fā)明的第二方面，提供了一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器上存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)任一項(xiàng)所述的方法。

16、根據(jù)本發(fā)明的第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)任一項(xiàng)所述的方法。

17、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

18、本發(fā)明采用的內(nèi)嵌有多個(gè)神經(jīng)網(wǎng)絡(luò)的長(zhǎng)短時(shí)訓(xùn)練模型，通過(guò)短時(shí)神經(jīng)網(wǎng)絡(luò)進(jìn)行固定間隔得到重新構(gòu)建并訓(xùn)練，而長(zhǎng)時(shí)神經(jīng)網(wǎng)絡(luò)只參與微調(diào)訓(xùn)練的方式，可以有效應(yīng)對(duì)多模光纖的時(shí)變性，進(jìn)而實(shí)現(xiàn)長(zhǎng)時(shí)間連續(xù)且準(zhǔn)確的信息傳輸。

技術(shù)特征：

1.一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，該方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，所述短時(shí)神經(jīng)網(wǎng)絡(luò)的數(shù)量至少為2。

3.根據(jù)權(quán)利要求1所述的一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，所述內(nèi)嵌的神經(jīng)網(wǎng)絡(luò)為卷積神經(jīng)網(wǎng)絡(luò)或全連接神經(jīng)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求1所述的一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，所述長(zhǎng)短時(shí)訓(xùn)練模型的損失函數(shù)為均方誤差mse圖像度量指標(biāo)、結(jié)構(gòu)相似性ssim圖像度量指標(biāo)、或兩者的加權(quán)求和。

5.根據(jù)權(quán)利要求1所述的一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，初始一段時(shí)間的輸出散斑和對(duì)應(yīng)的圖片真值對(duì)內(nèi)嵌的多個(gè)神經(jīng)網(wǎng)絡(luò)分別進(jìn)行初始訓(xùn)練，后續(xù)傳輸將只提供實(shí)時(shí)的散斑圖片。

6.根據(jù)權(quán)利要求1所述的一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，對(duì)于長(zhǎng)時(shí)神經(jīng)網(wǎng)絡(luò)，將最新一段時(shí)間的偽標(biāo)簽圖片當(dāng)成真值圖片并與對(duì)應(yīng)的散斑組成最新的數(shù)據(jù)組提供給內(nèi)嵌的神經(jīng)網(wǎng)絡(luò)分別進(jìn)行微調(diào)訓(xùn)練。

7.根據(jù)權(quán)利要求1所述的一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法，其特征在于，所述將長(zhǎng)短時(shí)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)值按置信度加權(quán)得到對(duì)應(yīng)的偽標(biāo)簽圖片，具體為：將長(zhǎng)短時(shí)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)值按置信度權(quán)重度對(duì)內(nèi)嵌的所有神經(jīng)網(wǎng)絡(luò)進(jìn)行軟投票并得到對(duì)應(yīng)的偽標(biāo)簽圖片。

8.一種多模光纖通信系統(tǒng)，其特征在于，所述系統(tǒng)包括集成有權(quán)利要求1～7任一項(xiàng)所述的基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法的多模光纖數(shù)據(jù)傳輸模塊。

9.一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1～7任一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1～7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明涉及一種基于長(zhǎng)短時(shí)模型集成的多模光纖數(shù)據(jù)傳輸方法及系統(tǒng)，該方法包括：S1、通過(guò)空間光調(diào)制器將不同的圖片按時(shí)間序列不斷載入激光輸入多模光纖，輸出端獲得對(duì)應(yīng)散斑圖像；S2、構(gòu)建內(nèi)嵌有多個(gè)神經(jīng)網(wǎng)絡(luò)的長(zhǎng)短時(shí)訓(xùn)練模型，對(duì)多個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行分別訓(xùn)練；其中，內(nèi)嵌的多個(gè)神經(jīng)網(wǎng)絡(luò)模型分為用于按照不同時(shí)間間隔進(jìn)行重建的短時(shí)神經(jīng)網(wǎng)絡(luò)，及進(jìn)行微調(diào)的長(zhǎng)時(shí)神經(jīng)網(wǎng)絡(luò)；S3、將長(zhǎng)短時(shí)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測(cè)值置信度加權(quán)得到對(duì)應(yīng)的偽標(biāo)簽圖片，將偽標(biāo)簽圖片與對(duì)應(yīng)的散斑圖片組成新的訓(xùn)練組對(duì)S2中所有神經(jīng)網(wǎng)絡(luò)進(jìn)行微調(diào)訓(xùn)練；S4、采用定期訓(xùn)練后的長(zhǎng)短時(shí)訓(xùn)練模型進(jìn)行多模光纖數(shù)據(jù)傳輸。與現(xiàn)有技術(shù)相比，本發(fā)明可進(jìn)行長(zhǎng)時(shí)間連續(xù)且準(zhǔn)確的信息傳輸。

技術(shù)研發(fā)人員：李子薇,周偉,遲楠
受保護(hù)的技術(shù)使用者：復(fù)旦大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2