一种基于深度学习的偏振复用光纤信道建模方法

本发明公开了一种基于深度学习的偏振复用光纤信道建模方法，具体为：构建用于偏振复用光纤信道建模的BERT模型；搭建传输链路，采集构建训练集，用于训练构建的BERT模型；利用训练好的BERT模型对偏振复用光纤信道中传输的QAM信号进行拟合，从而得到相应信道的输出光信号。本发明能够有效拟合偏振复用光纤信道的特性和响应，避免了传统建模方法中对严格数理模型计算和专家经验建模的依赖，也无需明确的物理模型和先验知识，显著降低了计算复杂度。