申请/专利权人：华中科技大学

申请日：2021-04-16

公开（公告）日：2024-04-23

公开（公告）号：CN113190979B

主分类号：G06F30/20

分类号：G06F30/20;H04B10/25;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.08.17#实质审查的生效;2021.07.30#公开

摘要：本发明公开一种基于神经网络光纤涡旋模式工程的方法，属于光纤通信领域。通过数值仿真获得涡旋环形光纤结构参数对应的光纤涡旋模式性能参数，利用神经网络构建光纤涡旋模式性能参数与涡旋环形光纤结构参数间的复杂函数关系，将光纤涡旋模式性能参数作为输入，涡旋环形光纤结构参数作为输出，训练、测试并验证神经网络模型。将目标光纤涡旋模式性能参数输入神经网络模型预测所需的涡旋环形光纤结构参数，从而实现基于神经网络的光纤涡旋模式工程。本发明突破了传统涡旋光纤设计方法的局限和涡旋模式调控的瓶颈，类似光纤色散工程提供了一种全新思路的光纤涡旋模式工程，其在涡旋模式空分复用系统领域具有广阔应用前景，填补了相关技术领域的空白。

主权项：1.一种基于神经网络光纤涡旋模式工程的方法，其特征在于，包括以下步骤：将利用数值仿真方法获得的若干个涡旋环形光纤结构参数对应的光纤涡旋模式性能参数作为样本集，光纤涡旋模式性能参数作为神经网络的输入，涡旋环形光纤结构参数作为神经网络的输出，对神经网络进行训练、测试以及验证获得对应的神经网络模型；根据用户自定义的光纤涡旋模式工程要求，调节涡旋环形光纤结构参数，最终实现涡旋模式性能目标的光纤涡旋模式工程；所述光纤涡旋模式工程要求是模群有效折射率等间隔分布，或是模式有效折射率等间隔分布，或是模式间具有低串扰特性要求，或是模式间具有低差分群延时特性要求；将目标光纤涡旋模式性能参数输入神经网络模型，预测所需对应的涡旋环形光纤结构参数；所述预测的涡旋环形光纤结构参数通过数值仿真计算，获得对应的光纤涡旋模式性能参数，将其与目标光纤涡旋模式性能参数对比，若误差低于设定阈值，则优化完成，否则将这组涡旋环形光纤结构参数及其对应的光纤涡旋模式性能参数放入神经网络的样本集作为新增的补充样本，优化神经网络模型，如此反复迭代，直至神经网络模型预测的涡旋环形光纤结构参数经过数值仿真得到的光纤涡旋模式性能参数与特定目标的光纤涡旋模式性能参数的误差低于设定阈值，从而实现基于神经网络的光纤涡旋模式工程；所述涡旋环形光纤包括多层环形芯、内包层和外包层，所述涡旋环形光纤结构参数包括：环形芯的层数N、最内层环形芯的内径r1、每层环形芯的宽度di、每层环形芯与包层的相对折射率差、每层环形芯的折射率分布ni，其中i＝1,2,…,N；所述光纤涡旋模式性能参数包括：模式有效折射率、模式有效折射率差、模群有效折射率、模群有效折射率差、模式有效面积、模式间重叠积分、模式串扰、模式限制损耗、色散、非线性、模式差分群延时；所述涡旋环形光纤结构参数中环形芯的层数N≥2，纤芯与包层的相对折射率差≤2％，最内层环形芯的内径r1≥2μm，每层环形芯的宽度di≥1μm，其中i＝1,2,…,N。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于神经网络光纤涡旋模式工程的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD