基于深度学习的非正交波分复用时域鬼成像方法和系统

摘要

本发明公开了基于深度学习的非正交波分复用时域鬼成像方法和系统，属于光电信号处理领域。本发明采用神经网络来恢复待测时域信号。神经网络实际上是一种函数拟合，训练过程中神经网络模型学习到从接收端测量的功率积分向量与待测时域信号的映射关系。通过合理的生成并选择训练集来训练神经网络，实现非正交时多对一的映射，从而补偿了光源模式的时延，使得光源模式对时延不敏感，保证对时延的鲁棒性。本发明可以用不完全正交的器件在非正交的情况下，高速传输并恢复高质量信号，信号可达0.78ns，相对于现有技术提升了9个数量级。当时延小于0.5bit时，准确率可达99.8％，使得信号在高速传输的情况下质量也得到保证。