基于机器学习的光通信系统物理损伤感知与补偿PDF电子书下载

查看更多关于的内容

第1章 机器学习基本原理 1

1.1 机器学习的研究背景以及发展现状 1

1.2 机器学习的分类 3

1.2.1 监督学习 3

1.2.2 无监督学习 4

1.2.3 半监督学习 4

1.2.4 强化学习 5

1.3 模型的评估与选择 5

1.4 支持向量机 7

1.4.1 超平面 7

1.4.2 核函数 9

1.4.3 多分类问题的支持向量机的应用 11

1.5 k近邻算法 12

1.5.1 分类原理 12

1.5.2 KD树 13

1.5.3 球树 14

1.6 决策树算法 14

1.6.1 基本流程 15

1.6.2 剪枝 16

1.7 随机森林 16

1.8 逻辑回归 17

1.8.1 线性回归 18

1.8.2 逻辑回归 18

1.9 朴素贝叶斯 18

1.10 聚类算法 19

1.11 神经网络 21

1.11.1 前馈型神经网络 23

1.11.2 反馈型神经网络 27

本章参考文献 31

第2章 基于机器学习的复杂损失参数感知 32

2.1 光学性能检测 32

2.1.1 OPM的功能 32

2.1.2 OPM检测的参数因子 33

2.1.3 OPM应该满足的技术标准 36

2.1.4 直接检测系统中的OPM技术 37

2.1.5 数字相干系统中的OPM技术 39

2.2 PDM-CO-OFDM系统中的联合精细时间同步及信道估计技术 41

2.2.1 PDM-CO-OFDM系统 41

2.2.2 传统的信道估计算法 43

2.2.3 时间同步与CHU序列 46

2.2.4 仿真框图及实验流程 47

2.2.5 实验结果 49

2.3 级联深度神经网络对光信噪比、信号调制格式和速率的感知 50

2.3.1 振幅直方图 50

2.3.2 采用的调制方式 51

2.3.3 深度神经网络DNN 52

2.3.4 系统模型与结果分析 52

2.4 基于异或神经网络的光信号调制格式识别 55

2.4.1 调制格式识别 56

2.4.2 异或神经网络 57

2.4.3 系统框架 58

2.5 人工神经网络对PAM4信号进行光学性能检测 59

2.5.1 原理介绍 60

2.5.2 系统框架设计以及实现 61

2.5.3 结论 64

本章参考文献 64

第3章 基于机器学习的偏振和模式解复用技术 66

3.1 传统的偏振和模式解复用原理 66

3.1.1 偏振复用及解复用 66

3.1.2 模式解复用 68

3.1.3 模式复用解复用器 68

3.2 基于自零差检测的高速模式复用无源光网络 76

3.2.1 OFDM系统 76

3.2.2 超密集波分复用系统 77

3.2.3 MDM-PON原理 78

3.2.4 实验框图及实验流程 79

3.2.5 结果总结 84

本章参考文献 85

第4章 基于机器学习的线性和非线性补偿技术 86

4.1 光通信系统的线性和非线性作用机制 86

4.1.1 色散 87

4.1.2 偏振模色散 88

4.1.3 极化相关损耗 90

4.1.4 窄带滤波 90

4.1.5 自相位调制 90

4.1.6 交叉相位调制 91

4.1.7 四波混频 91

4.1.8 受激拉曼散射 91

4.1.9 受激布里渊散射 92

4.2 传统的光纤损伤补偿技术 92

4.2.1 色散的补偿 92

4.2.2 偏振模色散的补偿 93

4.2.3 克尔效应的补偿 94

4.3 基于SVM-KNN算法的非线性判决器 96

4.3.1 ROF系统 98

4.3.2 DMT系统 99

4.3.3 光外差法产生毫米波 100

4.3.4 实现流程以及框图 100

4.4 基于光学系统中的k-means改进的PS-QPSK 105

4.4.1 PS-QPSK系统 105

4.4.2 k-means算法 108

4.4.3 实验验证 108

4.5 基于机器学习的聚类算法补偿光学16 QAM-SCFDE系统的多重损伤 110

4.5.1 BIRCH 110

4.5.2 SCFDE 113

4.5.3 QAM调制 115

4.5.4 实验验证 115

本章参考文献 118

第5章 相位噪声抑制算法 119

5.1 相位噪声的概念 119

5.1.1 相位噪声的定义 119

5.1.2 相位噪声的表征 121

5.1.3 激光器中的相位噪声 123

5.1.4 振荡器的相位噪声 123

5.1.5 锁相环PLL的相位噪声 124

5.1.6 相位噪声的统计模型 125

5.1.7 相位噪声对系统可能造成的影响 126

5.1.8 小结 128

5.2 相位噪声的补偿方法 128

5.2.1 CO-OFDM中抑制相位噪声的研究意义及现状 128

5.2.2 公共相位误差补偿算法 130

5.2.3 载波间干扰抑制算法 131

5.2.4 小结 131

5.3 基于高斯基展开的相位噪声抑制算法 132

5.3.1 实验原理 132

5.3.2 仿真结果 134

5.3.3 小结 134

5.4 基于高斯小波基展开的相位噪声抑制机制 135

5.4.1 基于高斯小波基展开和伪导引的近似盲相位噪声抑制方法 135

5.4.2 基于高斯小波基扩展的PDM CO-OFDM超级信道相位噪声抑制方案 141

5.4.3 小结 148

本章参考文献 148

第6章 基于混沌系统的信号加密机制 153

6.1 混沌的基础知识 154

6.1.1 混沌的发展 154

6.1.2 混沌的定义 156

6.1.3 混沌理论的基本概念 158

6.1.4 产生混沌的方法 159

6.1.5 混沌的特性 161

6.1.6 混沌判别 162

6.1.7 小结 165

6.2 混沌系统 166

6.2.1 混沌系统的概念 166

6.2.2 一维Logistic混沌方程 166

6.2.3 二维混沌系统 167

6.2.4 三维Chen混沌系统 168

6.2.5 超混沌系统 168

6.2.6 小结 169

6.3 混沌用于保密通信 169

6.3.1 密码学理论 170

6.3.2 混沌掩盖通信 172

6.3.3 混沌调制通信 174

6.3.4 混沌键控通信 176

6.3.5 混沌扩频通信 180

6.3.6 混沌用于保密通信的发展历史 181

6.3.7 小结 181

6.4 基于多涡卷的混沌加密机制 182

6.4.1 双涡卷Jerk系统 182

6.4.2 多涡卷混沌加密原理 184

6.4.3 CO-OFDM-PON的多涡卷混沌加密方案验证 187

6.4.4 CO-OFDM的多涡卷混沌加密方案验证 192

6.4.5 OFDM-PON的多涡卷混沌加密方案验证 195

6.4.6 小结 200

6.5 基于多翅膀的混沌加密机制 201

6.5.1 双翅膀混沌系统 201

6.5.2 多翅膀混沌加密基本原理 202

6.5.3 用于光学PAM4-DMT系统中物理层安全性的多翅膀混沌加密方案验证 204

6.5.4 小结 206

6.6 基于五维超混沌的滤波器组多载波调制加密机制 206

6.6.1 基本原理 208

6.6.2 基于五维超混沌的FBMC无源光网络物理层加密技术验证 209

6.6.3 小结 211

6.7 基于Hyper Chen的混沌加密机制 211

6.7.1 基本原理 211

6.7.2 基于Hyper Chen的物理层加密频域移位和时域加扰方法验证 213

6.7.3 小结 215

本章参考文献 215

查看更多关于的内容