您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202001-82
论文题目 基于深度学习的常规单模光纤信道模拟
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于深度学习的常规单模光纤信道模拟

首发时间:2020-01-14

张乃夫 1   

张乃夫(1995-),男,光接入网

张民 1   

张民,男,教授,博导,光通信系统与光子网络

张治国 1   
  • 1、北京邮电大学光电信息学院,北京市 100876

摘要:为了简化验证光纤链路中数据传输的操作,以通信系统仿真软件(VPI)作为数据采集来源,在实际80km G.652单模光纤结果数据下,控制其眼图、波形图等数据逼近真实值,采得数据,后在TensorFlow平台,采用深度学习的方法,其中主要采用RNN(递归神经网络)中LSTM(长短时记忆)的方法,并以DNN(深度神经网络)作为实验对比方法,调整参数得出千组实验结果,取其中4组作为最后结果,得出LSTM的适应性良好,DNN适应性较差,对深度学习在光纤信号数据模拟预测中这一想法验证成功。

关键词: 通信与信息系统 深度学习 光纤模拟

For information in English, please click here

Optical Fiber Signal Simulation Based on Deep Learning

Zhang Naifu 1   

张乃夫(1995-),男,光接入网

Zhang Min 1   

张民,男,教授,博导,光通信系统与光子网络

Zhang Zhiguo 1   
  • 1、State Key Laboratory of Information Photonics and Optical Communications, Beijing University of Posts and Telecommunications,Beijing 100876

Abstract:In order to simplify the operation of verifying the data transmission in the optical fiber , the communication system simulation software (VPI) is used as the data collection source. Under the actual 80km G.652 single-mode fiber result data , the eye diagram, waveform diagram and other data are controlled to approximate the real value and acquire the data.Then use the deep learning method on the TensorFlow platform, which mainly uses the LSTM (Long and Short Time Memory) method in RNN (Recurrent Neural Network), and use DNN (Deep Neural Network) as the experimental comparison method. The parameters were adjusted to get thousands of experimental results, and four of them were taken as the final results. It was concluded that the adaptability of LSTM is good and the adaptability of DNN is poor. The idea of deep learning in the simulation and prediction of fiber signal data was successfully verified.

Keywords: Communication and information system Deep learning Optical fiber simulation

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
张乃夫,张民,张治国. 基于深度学习的常规单模光纤信道模拟[EB/OL]. 北京:中国科技论文在线 [2020-01-14]. http://www.paper.edu.cn/releasepaper/content/202001-82.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于深度学习的常规单模光纤信道模拟