一种光纤通信高阶色散预测算方法

摘要

本发明提供一种光纤通信高阶色散预测算方法，包括：构建光纤传播模型，获取光纤传播过程中的数据样本；随机初始化i个解向量，对种群进行初始化；基于每个解向量建立神经网络；将数据样本作为训练集，对神经网络进行训练；采用增强的海洋捕食算法搜索神经网络隐藏层参数的最优解；根据最优解计算并选择最优适应度的解向量作为神经网络的隐藏层参数，完成神经网络的训练；利用训练好的神经网络实现结果预测。本发明提出高阶色散预测算方法，将深度神经网络技术应用于光纤色散的预测问题上，利用深度神经网络直接预测光纤另一端信号脉冲的时域剖面与光强度剖面，充分考虑更加广义的光纤传播模型，不依赖光纤信道以外的部分，支持更广的应用范围。