一種基于自注意力的非線性補償方法
1.本發明涉及一種基于自注意力的非線性補償方法，屬于光通信技術領域。
背景技術：
2.在光通信系統中，由于系統傳輸容量和傳輸速率的要求不斷提高，因此在幅度、相位、頻率等傳統的調制方式之外，又出現了軌道角動量(oam)模分復用(mdm)調制。 oam-mdm光纖通信系統中會出現非線性效應影響傳輸結果，所以必須使用補償算法降低影響，否則非線性效應將會導致誤碼率升高。
3.在oam-mdm光纖通信系統中，系統的容量和距離被很多因素限制，其中之一就是非線性效應，尤其是器件非線性。器件非線性通常采用擬合信號輸入輸出的非線性模型進行均衡。oam-mdm光纖通信系統比傳統的光纖通信系統使用了更多的光電器件，這些光電器件具有多種非線性效應，不同的非線性效應之間會互相作用，對信號造成更大的損傷。從而使得oam-mdm光纖通信系統信號的非線性模型更加復雜，復雜的非線性模型會增加均衡器進行非線性模型擬合時的復雜度。
4.針對光纖非線性的補償方案，國內外研究人員也開展了各類研究，根據非線性效應的特性提出了多種非線性噪聲模型和補償算法，主要可以分為光域補償抑制技術和電域補償抑制技術兩大類。其中，電域補償抑制技術具有實現靈活、成本低等優點，通常在發送端采用數字信號預處理、在接受端采用數字信號處理技術，常用的處理技術有：基于沃爾泰拉級數的非線性補償方法和基于卷積神經網絡的非線性補償方法等。
5.在基于沃爾泰拉級數的非線性補償方法中隨著級數的記憶深度不斷增加，導致計算復雜度增加，使誤碼率提高，削弱了非線性補償能力，所以一般只能用來處理長度較短的信號序列。而在基于卷積神經網絡的非線性補償方法中，是用同一權重的卷積核對信號進行特征提取。但是在實際oam-mdm光纖通信系統中信號間的影響權重是不同的，這樣使提取的特征具有較低的準確性，導致對信號不準確的分類結果，提高誤碼率，不利于對oam-mdm光纖通信系統進行非線性補償。并且這些傳統的非線性補償算法的計算復雜度較高，大大增加了非線性補償時間，使效率降低。
技術實現要素：
6.針對現有非線性補償方法誤碼率高、特征提取準確率低、計算復雜的問題，本發明的主要目的是提出一種基于自注意力的非線性補償方法，通過矩陣并行處理長序列信號降低復雜度，由矩陣計算得到信號間影響權重大小，達到準確預測信號、降低誤碼率的目的。
7.本發明的目的是通過以下技術方案實現的：
8.該方法利用q、k、v三個矩陣進行計算，將帶有非線性損傷信息的q、k矩陣進行轉置相乘，得到信號間的影響大小；由于是矩陣間的并行操作，能處理大規模矩陣，不會限制輸入序列的長度，且并行計算大大降低了計算復雜度，提高補償精度，降低誤碼率。
9.本發明公開的一種基于自注意力的非線性補償方法，包括以下步驟：
10.步驟一、從oam-mdm光纖通信中接收端得到受器件非線性影響的接收信號和發送端的初始發送信號。
11.步驟二、確定輸入序列及標簽。
12.2.1、確定輸入序列
13.將步驟一中受到器件非線性影響的接收信號，以t位為一組作為自注意力非線性補償方法的輸入序列，即input＝{x1,x2,
……
x
t
}，其中x為接收端的信號。在基于沃爾泰拉的非線性補償方法中只能處理短序列的信號，而本發明公開的基于自注意力的非線性補償方法中t取長序列。
14.2.2、確定標簽
15.將輸入序列input中最后一位x
t
所對應的oam-mdm光纖通信中的發送信號作為自注意力非線性補償方法的標簽。
16.步驟三、將步驟二中得到的二維輸入序列input升到三維，使獲得受器件非線性損傷后的信號更全面的信息；
17.用一個隨機生成的embedding(嵌入)矩陣，對步驟二中得到的二維輸入序列input 進行升維，即非線性損傷信號升維后的三維矩陣a＝input*embedding。
18.步驟四、對數據進行自注意力操作。
19.將步驟三升維后的數據a與三個隨機初始化的訓練參數相乘，得到含有非線性損傷信息的矩陣q、k、v。將k的轉置與q相乘，得到前后信號對中間信號的影響權重，也就是每個信號之間的大小關系。將權重乘以v，最后得到對非線性損傷信號的擬合模型，然后預測輸出。通過自注意力方法中對矩陣的操作，實現對信號的并行處理，捕獲長距離依賴關系。
20.4.1、隨機初始化三個矩陣wq、wk和wv，大小和三維矩陣a相匹配；
21.4.2、將步驟三的a與三個初始化矩陣相乘，分別得到q、k和v；
22.4.3、將q與k的轉置相乘再經過softmax(歸一化)操作后得到不同信號的關系大小；最后再乘以v得到非線性補償信號z，即z＝softmax(q*k
t
)*v。
23.在這個過程中由于是矩陣的并行操作，能處理大規模矩陣，不限制輸入序列長度，所以和基于沃爾泰拉的非線性補償方法相比，能實現長序列的操作；和基于卷積神經網絡的非線性補償方法相比，計算信號間影響并有更低的計算復雜度，通過求信號間的影響權重，更好的對信號進行模型擬合和預測，提高非線性補償能力，降低誤碼率。
24.步驟五、對信號進行相應解碼，實現準確預測信號、降低誤碼率的目的。
25.將步驟四得到的非線性補償信號z，進行和發送端編碼相對應的解碼，得到非線性補償之后的二進制信號，實現準確預測信號、降低誤碼率的目的。
26.有益效果：
27.本發明提出的基于自注意力的非線性補償方法，利用自注意力中矩陣的計算操作，在oam-mdm光纖通信中更好的擬合非線性模型，使誤碼率降低，得到更好的非線性補償。本發明較現有的非線性補償方法主要有以下優點：
28.1、本發明公開的一種基于自注意力的非線性補償方法，將輸入數據特征提取得到不同矩陣，通過矩陣并行計算的優勢，實現對長輸入序列的處理，長序列中包含更完整的信息，使非線性模型擬合的更好，提高非線性補償能力。
29.2、本發明公開的一種基于自注意力的非線性補償方法，通過兩個矩陣的轉置相乘
的計算方法，獲得信號間的影響權重大小，符合oam-mdm光纖通信的實際要求，使預測的信號更準確，得到的誤碼率更低。
30.3、本發明公開的一種基于自注意力的非線性補償方法，利用三個矩陣間進行不同的操作包括轉置、歸一化、相乘的方法，降低非線性補償計算復雜度。
附圖說明
31.下面將通過參照附圖詳細描述本發明的示例性實施例，使本領域的普通技術人員更清楚本發明的上述及其它特征和優點，附圖中：
32.圖1為本發明公開的一種基于自注意力的非線性補償方法流程圖；
33.圖2為本實施例公開的32gb/s pam8 oam-mdm光纖通信系統實驗裝置；
34.圖3為本實施例中不同接收光功率下，誤碼率的對比。
具體實施方式
35.下面將結合附圖和實施例對本發明加以詳細說明。同時也敘述了本發明技術方案解決的技術問題及有益效果，需要指出的是，所描述的實施例僅旨在便于對本發明的理解，而對其不起任何限定作用。
36.本實施例搭建32gb/s pam8 oam-mdm光纖通信系統實驗平臺，實驗裝置如圖2所示。在信號傳輸部分，比特數據由任意波形發生器(awg)映射生成pam8的信號，然后通過馬赫曾德爾調制器(mzm)將信號調制到光載波上。在oam復用部分，信號通過一個光耦合器(oc)被分成兩個路徑。在通過摻鉺光纖放大器(edfa)和偏振控制器 (pc)后，每個光束通過準直器(col)和線性偏振(lp)被注入空間光調制器(slm)。 slm以不同的oam模式調制光束，即拓撲電荷數|l|＝3和|l|＝4。然后，用一個偏振光束合成器(pbc)將|l|＝3和|l|＝4的兩個oam光束結合起來。之后，合并后的光束通過四分之一波板(qwp)轉換為圓偏振，然后通過2.3公里的環形光纖(rcf)傳輸。在oam解復用部分，傳輸的光束首先由分束器(bs)分離，然后通過具有相反拓撲電荷的渦旋相位板(vpp)解復用為高斯光束，然后耦合到單模光纖(smf)。在信號接收部分，兩個光束用edfa放大，并通過光子探測器(pd)轉換成電信號。經過重采樣、定時恢復、低通濾波和自注意力非線性補償方法，最后計算得出誤碼率。
37.由于系統中用到了一些有源光電器件，例如空間光調制器、馬赫曾德爾調制器等，這些有源光電器件都具有各自的非線性，并且在系統中又相互影響產生非線性效應，提高了系統誤碼率，降低通信質量。采用本實施例公開一種基于自注意力的非線性補償方法進行非線性補償，具體方法如下：
38.步驟1、搭建32gb/s pam8 oam-mdm光纖通信系統實驗平臺，從實驗中獲得系統發送端的發送信號和接收端受非線性損傷影響的接收信號。
39.步驟2、將步驟1中受器件非線性損傷的接收信號作為自注意力非線性補償方法的輸入數據，64位一組進行訓練學習，每組最后一個信號對應的發送信號作為標簽。和基于沃爾泰拉的非線性補償方法相比基于自注意力非線性補償方法能處理較長的信號序列。
40.步驟3、將步驟2中經過數據預處理后得到的二維輸入數據，通過嵌入的方法增加數據維度到三維，獲得受非線性損傷信號的更全面的信息；隨機生成一個embedding 矩陣，其大小為二維輸入數據中的最大值加一，保證輸入數據中每一個數據都有一個向量與其對
應，就得到受非線性損傷信號升維后的三維矩陣。
41.步驟4、將嵌入后的三維數據與三個采用截斷正態分布初始化的參數矩陣相乘，得到q、k、v。然后將q與k
t
相乘再通過softmax歸一化，與基于卷積神經網絡的非線性補償方法相比，能得到信號間影響的權重大小，符合oam-mdm光纖通信的實際要求。最后與v相乘得到非線性擬合模型和預測輸出的非線性補償后的信號z，通過對矩陣的操作實現降低計算復雜度的目的。
42.步驟5、對z進行解碼。根據步驟4中得到的非線性補償信號z和步驟1的pam8 oam-mdm光纖通信系統中的發送信號均進行pam8解碼，之后計算誤碼率。與基于沃爾泰拉非線性補償方法和基于卷積神經網絡非線性補償方法相比，誤碼率分別降低了 0.03和0.01。
43.圖3展示了在|l|＝3時，基于自注意力的非線性補償方法和其他傳統非線性補償方法在oam模式下不同接收光功率(rop)的誤碼率比較。在測試中，選擇40960個信號作為訓練數據，每個輸入序列的長為64。基于自注意力的非線性補償方法和基于沃爾泰拉、卷積神經網絡的非線性補償方法相比有更好的結果，因為能計算出輸入序列中信號間的影響大小，獲得長距離的依賴關系，并得到更好的預測結果。當rop為-2dbm 時，與基于沃爾泰拉非線性補償方法和基于卷積神經網絡非線性補償方法相比，誤碼率分別降低了0.03和0.01。
44.以上所述的具體描述，對發明的目的、技術方案和有益效果進行進一步詳細說明，所應理解的是，以上所述僅為本發明的具體實施例而已，并不用于限定本發明的保護范圍，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
技術特征：
1.一種基于自注意力的非線性補償方法，其特征在于：包括如下步驟，步驟一、從oam-mdm光纖通信中接收端得到受器件非線性影響的接收信號和發送端的初始發送信號；步驟二、確定輸入序列及標簽；步驟三、將步驟二中得到的二維輸入序列input升到三維，使獲得受器件非線性損傷后的信號更全面的信息；步驟四、對數據進行自注意力操作；步驟五、對信號進行相應解碼，實現準確預測信號、降低誤碼率的目的。2.如權利要求1所述的一種基于自注意力的非線性補償方法，其特征在于：步驟二的實現方法為，2.1、確定輸入序列將步驟一中受到器件非線性影響的接收信號，以t位為一組作為自注意力非線性補償方法的輸入序列，即input＝{x1,x2,
……
x
t
}，其中x為接收端的信號；2.2、確定標簽將輸入序列input中最后一位x
t
所對應的oam-mdm光纖通信中的發送信號作為自注意力非線性補償方法的標簽。3.如權利要求1所述的一種基于自注意力的非線性補償方法，其特征在于：步驟三的實現方法為，用一個隨機生成的embedding矩陣，對步驟二中得到的二維輸入序列input進行升維，即非線性損傷信號升維后的三維矩陣a＝input*embedding。4.如權利要求1所述的一種基于自注意力的非線性補償方法，其特征在于：步驟四的實現方法為，將步驟三升維后的數據a與三個隨機初始化的訓練參數相乘，得到含有非線性損傷信息的矩陣q、k、v；將k的轉置與q相乘，得到前后信號對中間信號的影響權重，也就是每個信號之間的大小關系；將權重乘以v，最后得到對非線性損傷信號的擬合模型，然后預測輸出；通過自注意力方法中對矩陣的操作，實現對信號的并行處理，捕獲長距離依賴關系；4.1、隨機初始化三個矩陣wq、wk和wv，大小和三維矩陣a相匹配；4.2、將步驟三的a與三個初始化矩陣相乘，分別得到q、k和v；4.3、將q與k的轉置相乘再經過softmax操作后得到不同信號的關系大小；最后再乘以v得到非線性補償信號z，即z＝softmax(q*k
t
)*v。5.如權利要求1所述的一種基于自注意力的非線性補償方法，其特征在于：步驟五的實現方法為，將步驟四得到的非線性補償信號z，進行和發送端編碼相對應的解碼，得到非線性補償之后的二進制信號，實現準確預測信號、降低誤碼率的目的。
技術總結
本發明公開的一種基于自注意力的非線性補償方法，屬于光通信技術領域。本發明將輸入數據特征提取得到不同矩陣，通過矩陣并行計算的優勢，實現對長輸入序列的處理，長序列中包含更完整的信息，使非線性模型擬合的更好，提高非線性補償能力；通過兩個矩陣的轉置相乘的計算方法，獲得信號間的影響權重大小，符合OAM-MDM光纖通信的實際要求，使預測的信號更準確，減低誤碼率；利用三個矩陣間進行不同的操作包括轉置、歸一化、相乘的方法，降低計算復雜度。本發明適用于通信等領域，采用矩陣間的并行操作，能處理大規模矩陣，不限制輸入序列的長度，且并行計算能顯著降低計算復雜度，提高補償精度，降低誤碼率。降低誤碼率。降低誤碼率。
