一种基于CNN-LSTM的模分复用光纤通信相位校准方法

一种基于CNN‑LSTM的模分复用光纤通信相位校准方法，属于光纤通信技术领域。通过构建双输入CNN‑LSTM混合神经网络架构，获取模分复用光纤通信的MIMO输入信号和原始目标信号，进行数据预处理，结合卷积神经网络的空间特征提取能力和长短期记忆网络的时序建模能力，实现对长距离强耦合模分复用光纤通信中相位噪声的有效补偿，通过将复数MIMO信号分离为实虚部并生成滑动窗口训练样本，构建包含图像输入层、卷积层、LSTM层、深度连接层和自定义相位校准层的双分支网络。有效解决了传统算法在强耦合条件下相位噪声补偿能力有限、收敛性能不佳的问题，显著提高了模分复用光纤通信系统的均衡性能和传输质量。