(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111405475.5 (22)申请日 2021.11.24 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 义理林　牛泽坤　杨航　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 代理人 胡晶 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 3/08(2006.01) G06F 111/02(2020.01) (54)发明名称 基于可微辅助信道的端到端优化方法及系 统 (57)摘要 本发明提供了一种基于可微辅助信道的端 到端优化方法及系统， 包括如下步骤： 步骤S1： 基 于可微辅助信道进行端到端优化； 步骤S2： 根据 优化的端到端进行光纤传输。 本发 明可微辅助信 道及其训练方法， 解决了端到端优化的反向传播 受阻问题； 调整损失函数为MSE， 解码器无需 Sigmoid函数， 减少梯度消失问题； 方法无需信道 模型， 适用于实验信道， 方法直接， 可直接用于长 距传输的端到端 优化。 权利要求书2页 说明书8页 附图4页 CN 114117697 A 2022.03.01 CN 114117697 A 1.一种基于可微辅助信道的端到端优化方法， 其特 征在于， 包括如下步骤： 步骤S1： 基于可微辅助信道进行端到端优化； 步骤S2： 根据优化的端到端 进行光纤传输 。 2.根据权利要求1所述的基于可微辅助信道的端到端优化方法， 其特征在于， 所述步骤 S1包括如下步骤： 构建步骤： 构建编码器、 解码器和可微辅助信道； 数据集构建步骤： 基于端到端输入数据和端到端输出数据构建端到端训练数据集， 基 于信道输入数据与信道输出 数据构建信道数据集； 训练步骤： 基于信道数据集训练可微辅助信道； 解码器优化 步骤： 基于端到端训练数据集优化 解码器； 编码器参数梯度获取步骤： 通过优化的解码器反向传播得到解码器输入的梯度； 基于 训练的可微辅助信道， 解码器输入的梯度反向传播得到编码器参数梯度； 编码器参数优化 步骤： 基于编码器参数梯度， 编码器进行编码器参数优化。 3.根据权利要求2所述的基于可微辅助信道的端到端优化方法， 其特征在于， 在构建步 骤中， 编码器、 解码器和可微辅助信道由神经网络模型 搭建； 编码器输出数据包括处理后的信号以及优化参数， 编码器输出数据的维度与 可微辅助 信道、 真实信道的输入维度保持一 致； 可微辅助信道为多部分相加构成： 一部分表征线性特 征， 另一部分表征非线性扰动。 4.根据权利要求2所述的基于可微辅助信道的端到端优化方法， 其特征在于， 在所述数 据集构建步骤中， 端到端进行传播， 完成数据集分批次构建， 要求批次要大于预定值； 不同 批次数据的信道的距离、 入纤功率和通道个数发生变化； 端到端训练数据集的输入数据和输出 数据均为比特； 信道数据集的输入数据和输出 数据均做 功率归一 化， 归一化规则为： 其中， S表示数据归一化的长度； xi代表数据当中第i个符号； 代表数据当中第i个符 号的归一 化输出。 5.根据权利要求2所述的基于可微辅助信道的端到端优化方法， 其特征在于， 在所述训 练步骤中， 根据输入输出符号使用MS E作为损失函数， 利用反向传播算法和梯度下降优化可 微辅助信道； 每批次重复训练可微辅助信道第一预定次数以上。 6.根据权利要求2所述的基于可微辅助信道的端到端优化方法， 其特征在于， 在所述解 码器优化步骤中， 基于端到端训练数据集使用MS E损失函数通过监督学习优化解码 器； 损失 函数对每位比特计算损失； 每批次重复训练解码器第二预定次数以上。 7.根据权利要求2所述的基于可微辅助信道的端到端优化方法， 其特征在于， 所述编码 器参数梯度获取步骤 包括如下步骤： 解码器输入梯度获取步骤： 要求解码器通过误差反向传播算法， 获取损 失函数对解码 器输入的梯度；权　利　要　求　书 1/2 页 2 CN 114117697 A 2可微辅助信道输出获取步骤： 编码器的输出数据作为可微辅助信道的输入数据， 将可 微输入信道的输入数据输入到可微辅助信道， 得到可微辅助信道的输出 数据； 编码器损 失函数步骤： 可微辅助信道的输出数据与解码器输入的梯度进行点乘求和， 作为编码器损失函数； 发端梯度步骤： 利用编码器损失函数误差反向传播得到编码器参数梯度。 8.一种基于可微辅助信道的端到端优化系统， 其特 征在于， 包括如下模块： 模块M1： 基于可微辅助信道进行端到端优化； 模块M2： 根据优化的端到端 进行光纤传输 。 9.根据权利要求8所述的基于可微辅助信道的端到端优化系统， 其特征在于， 所述模块 M1包括如下模块： 构建模块： 构建编码器、 解码器和可微辅助信道； 数据集构建模块： 基于端到端输入数据和端到端输出数据构建端到端训练数据集， 基 于信道输入数据与信道输出 数据构建信道数据集； 训练模块： 基于信道数据集训练可微辅助信道； 解码器优化模块： 基于端到端训练数据集优化 解码器； 编码器参数梯度获取模块： 通过优化的解码器反向传播得到解码器输入的梯度； 基于 训练的可微辅助信道， 解码器输入的梯度反向传播得到编码器参数梯度； 编码器参数优化模块： 基于编码器参数梯度， 编码器进行编码器参数优化。 10.根据权利要求9所述的基于可微辅助信道的端到端优化系统， 其特征在于， 在构建 模块中， 编码器、 解码器和可微辅助信道由神经网络模型 搭建； 编码器输出数据包括处理后的信号以及优化参数， 编码器输出数据的维度与 可微辅助 信道、 真实信道的输入维度保持一 致； 可微辅助信道为多部分相加构成： 一部分表征线性特 征， 另一部分表征非线性扰动。权　利　要　求　书 2/2 页 3 CN 114117697 A 3