一种基于级联库普曼神经算子模型的光纤信道建模方法

本发明涉及一种用于相干光通信系统的光纤信道建模方法，通过将输入数据和第一组标签数据作为训练数据批量输入到基于级联库普曼神经算子(KNO)的模型中进行训练，模型收敛之后从而完成对单跨段光纤传输的光信号的预测并保存模型；读取保存好的模型，将上一段的输入数据输入模型后得到预测信号，并作为下一段模型的输入数据，进而与对应跨度标签数据一起再次训练；完成N次训练后得到了最终经过N段光纤传输的预测信号。本发明与传统的光纤信道建模方法相比，极大的减少了建模的时间和复杂度；与其他直接对整段传输距离的光纤信道进行建模的深度学习算法相比，进一步提高了建模的精度，能够实现在大范围发射功率、长距离传输条件下对信号的预测。