基于并行神经网络的塑料光纤链路自动识别模型

作者：王晓勇,江颖洁,徐彬泰,周洁,田安琪,马良

摘要：为提升塑料光纤链路识别性能,设计了基于并行神经网络的塑料光纤链路自动识别模型,应用长短期记忆神经网络(LSTM)捕获塑料光纤链路信号的时空依赖特征,应用并行卷积神经网络捕获多样化、抽象、非线性的塑料光纤链路特征信息。经仿真,当批次样本量为30时,模型对10个塑料光纤通信系统的识别准确率分别为96%、95%、96%、95%、99%、96%、96%、97%、96%和95%,平均识别准确率为96.1%,平均识别时间为5.8 s,明显优于骨干光通信网链路识别方案和面向多层次异构信息平台的数据访问链路识别方案。研究成果可为当前塑料光纤链路识别工作提供一定的参考。

发文机构：国网山东省电力公司信息通信公司

关键词：塑料光纤链路识别长短期记忆网络卷积神经网络Plastic optical fiberLink identificationLong short-term memory networkConvolutional neural network

分类号： TN929.11[电子电信—通信与信息系统]