CN103178901B - 基于光纤中受激拉曼散射效应的光神经元及其建立方法 - Google Patents

基于光纤中受激拉曼散射效应的光神经元及其建立方法 Download PDF

Info

Publication number
CN103178901B
CN103178901B CN201310045680.4A CN201310045680A CN103178901B CN 103178901 B CN103178901 B CN 103178901B CN 201310045680 A CN201310045680 A CN 201310045680A CN 103178901 B CN103178901 B CN 103178901B
Authority
CN
China
Prior art keywords
light
optical fiber
optical
individual
centre wavelength
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310045680.4A
Other languages
English (en)
Other versions
CN103178901A (zh
Inventor
巩稼民
左旭
赵云
冷斌
袁心易
李栋
方健
巩明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN201310045680.4A priority Critical patent/CN103178901B/zh
Publication of CN103178901A publication Critical patent/CN103178901A/zh
Application granted granted Critical
Publication of CN103178901B publication Critical patent/CN103178901B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)

Abstract

本发明公开了一种基于光纤中受激拉曼散射效应的光神经元及其建立方法,包括外部光发射机、第一本地光发射机、第二本地发射机、减法器,合波器、通过受激拉曼散射的非线性效应来进行功率累加求和运算的第三光纤、光滤波器、第一光电转换器、第二光电转换器和激光二极管。其方法包括:选取外部光发射机和第一本地光发射机,合波器对进行耦合输出,选取第三光纤进行功率累加求和运算,选取光滤波器,选取第一光电转换器,选取第二本地发射机和第二光电转换器,构建减法器,选取激光二极管将电信号转换为光信号。本发明设计新颖合理,实现方便且成本低,功耗小,噪声低,信息处理速度快,可扩展性强,实用性强,使用效果好,便于推广使用。

Description

基于光纤中受激拉曼散射效应的光神经元及其建立方法
技术领域
本发明涉及光通信技术领域,尤其是涉及一种基于光纤中受激拉曼散射效应的光神经元及其建立方法。
背景技术
通过模拟人脑层次结构,人们构造出新的计算系统——人工神经网络。它是模拟生物神经系统的组织结构,处理方式和系统功能的一类人工智能系统。由于人工神经网络是一种具有大量连接并行分布式处理器,使得它通过学习解决模式识别,感知和复杂环境中做出决策实际问题,比起只能按人事先编好的程序机械的执行的计算机,它有更好的解决问题和适应环境的能力。
由于VLSI技术的日趋成熟,目前比较成功的做法就是利用VLSI技术在硅片上直接实现各种神经网络模型。超大规模集成电路(VLSI)处理器的实现分为以下几种:
(1)模拟VLSI实现,模拟实现是从执行一些网络函数,勘测简单的物理作用出发的。模拟电路的硬件实现形式固定,很难实现设计的复用性,模拟电路设计自动化和设计综合软件的发展也不如数字电路的成熟,这一切限制了模拟电路在神经网络硬件实现中的应用。
(2)数字VLSI实现,数字电路容易实现模块化设计且扩展性、适用性强,可以达到任意的设计精度,得到许多数字电路设计自动化工具的支持,对噪音和温度的抗干扰性能也优于模拟电路。但是在相对紧张的硅片面积和非线性激励函数的实现一直是数字电路发展的瓶颈,影响了数字电路在硬件实现方面的应用。
(3)模/数混合VLSI实现,数模混合电路结合了数字电路和模拟电路的特点,用模拟电路实现算法结构,用数字存储器和数模转换器替代电容实现神经元权值的存储。神经元之间的数字通信降低了电路对噪音信号的敏感度,然而数模混合电路应用还依赖于数模设计自动化工具的发展。
神经网络的关键因素是对神经元的连接。由于电子引线不能互相短路交叉,引线靠近时会发生耦合,高速电脉冲在引线上传播时要发生色散和延迟,以及电子器件的扇入和扇出系数较低等问题,使得高密度的电子互连在技术上有很大困难。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种结构简单、设计新颖合理、实现方便且成本低、功耗小,噪声低,信息处理速度快的基于光纤中受激拉曼散射效应的光神经元。
为解决上述技术问题,本发明采用的技术方案是:一种基于光纤中受激拉曼散射效应的光神经元,其特征在于:包括用于发射(N-1)个信号光的(N-1)个外部光发射机、用于发射第一本地信号光的第一本地光发射机、用于发射第二本地信号光的第二本地发射机和用于对电信号做减法运算处理的减法器,以及用于对(N-1)个外部光发射机发射的(N-1)个信号光和第一本地光发射机发射的第一本地信号光进行耦合的合波器,第1~(N-1)个所述外部光发射机的输出端分别通过(N-1)根第一光纤与所述合波器的第1~(N-1)个输入端相连接,第一本地光发射机的输出端通过第二光纤与所述合波器的第N个输入端连接,所述合波器的输出端通过用于通过受激拉曼散射的非线性效应来进行功率累加求和运算的第三光纤连接有用于滤出经过功率累计求和运算后的第一本地信号光的光滤波器,所述光滤波器的输出端通过第四光纤连接有用于将经过功率累计求和运算后的第一本地信号光转换为电信号的第一光电转换器,第二本地光发射机的输出端通过第五光纤连接有用于将第二本地发射机输出的第二本地信号光转换为电信号的第二光电转换器,所述第一光电转换器的输出端与所述减法器的正极输入端电连接,所述第二光电转换器的输出端与所述减法器的负极输入端电连接,所述减法器的输出端电连接有用于将电信号转换为光信号输出的激光二极管,其中,N为合波器的信道总数,(N-1)个所述外部光发射机的输出光子通量与所述第一本地光发射机的输出光子通量相等。
上述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述光神经元的权值为正,(N-1)个所述外部光发射机的中心波长和所述第一本地光发射机的中心波长λN依次从小到大排列。
上述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述第一本地光发射机的中心波长λN满足频移计算公式其中,为(N-1)个所述外部光发射机的中心波长的平均值,Δv为频移量且Δv的取值范围为300cm-1~500cm-1
上述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述光神经元的权值有正有负,(N-1)个所述外部光发射机的中心波长中,有个的中心波长依次从小到大排列且均小于所述第一本地光发射机的中心波长另外个的中心波长依次从小到大排列且均大于所述第一本地光发射机的中心波长其中,N为偶数。
上述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述第一本地光发射机的中心波长满足频移计算公式其中,个所述外部光发射机的中心波长的平均值,个所述外部光发射机的中心波长依次从小到大排列且均小于所述第一本地光发射机的中心波长;个所述外部光发射机的中心波长的平均值,个所述外部光发射机的中心波长依次从小到大排列且均大于所述第一本地光发射机的中心波长。
上述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述减法器由运算放大器U1以及电阻R1、R2、R3和Rf构成,所述运算放大器U1的正极输入端与所述电阻R2的一端和电阻R3的一端相接,所述电阻R2的另一端为所述减法器的正极输入端,所述电阻R3的另一端接地,所述运算放大器U1的负极输入端与所述电阻R1的一端和电阻Rf的一端相接,所述电阻R1的另一端为所述减法器的负极输入端,所述运算放大器U1的输出端与所述电阻Rf的另一端相接且为所述减法器的输出端。
上述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述第三光纤为高非线性光纤,所述高非线性光纤在1370nm~1700nm的波长范围内非线性系数范围为10W-1km-1~37W-1km-1,所述高非线性光纤在波长1550nm处的非线性系数为36.2W-1km-1,所述高非线性光纤在1370nm~1700nm的波长范围内色散值范围为0~0.6ps/(nm·km),所述高非线性光纤在1370nm~1700nm的波长范围内色散斜率范围为-0.2~0.2。
本发明还提供了一种实现方便且成本低,可扩展性强的基于光纤中受激拉曼散射效应的光神经元的建立方法,其特征在于该方法包括以下步骤:
步骤一、分光神经元的权值为正和有正有负两种情况选取(N-1)个外部光发射机和第一本地光发射机,具体为:
当权值为正时:首先选择第一本地光发射机和(N-1)个外部光发射机,且(N-1)个所述外部光发射机的中心波长和所述第一本地光发射机的中心波长依次从小到大排列;所述第一本地光发射机的中心波长λN与(N-1)个所述外部光发射机的中心波长的平均值满足频移计算公式其中,Δv为频移量且Δv的取值范围为300cm-1~500cm-1
当权值有正有负时:首先,选择个外部光发射机,且个所述外部光发射机的中心波长依次从小到大排列;接着,选择波长为第一本地光发射机,且选择好的个所述外部光发射机的中心波长均小于所述第一本地光发射机的中心波长然后,选择所述外部光发射机,所述外部光发射机的中心波长依次从小到大排列且均大于所述第一本地光发射机的中心波长所述第一本地光发射机的中心波长满足频移计算公式 Δ υ 1 ‾ = ( 1 / λ ‾ 1 ) - ( 1 / λ N 2 + 1 ) Δ υ 2 ‾ = ( 1 / λ N 2 + 1 ) - ( 1 / λ ‾ 2 ) , 其中,个所述外部光发射机的中心波长的平均值,个所述外部光发射机的中心波长依次从小到大排列且均小于所述第一本地光发射机的中心波长;个所述外部光发射机的中心波长的平均值,个所述外部光发射机的中心波长依次从小到大排列且均大于所述第一本地光发射机的中心波长;
步骤二、将(N-1)个所述外部光发射机的输出端分别通过(N-1)根第一光纤连接到合波器的第1~(N-1)个输入端上,将所述第一本地光发射机的输出端通过第二光纤连接到合波器的第N个输入端上;
步骤三、所述合波器将(N-1)个所述外部光发射机发射的信号光和第一本地光发射机发射的第一本地信号光进行耦合后输出;
步骤四、首先,选取第三光纤,所述第三光纤为高非线性光纤,所述高非线性光纤在1370nm~1700nm的波长范围内非线性系数范围为10W-1km-1~37W-1km-1,所述高非线性光纤在波长1550nm处的非线性系数为36.2W-1km-1,所述高非线性光纤在1370nm~1700nm的波长范围内色散值范围为0~0.6ps/(nm·km),所述高非线性光纤在1370nm~1700nm的波长范围内色散斜率范围为-0.2~0.2;然后,将所述第三光纤的一端与所述合波器的输出端连接,所述合波器输出的信号光通过第三光纤传输;当权值为正时,所述第三光纤根据公式
p N = Σ i = 1 N - 1 v N ( N - 1 ) v i e ( N - i ) G p i p i = p i ( 0 ) N 1 - e G 1 - e NG e - αz e ( i - 1 ) G , i = 1,2 , . . . , N p i ( 0 ) = v i v 1 p 1 ( 0 ) G = k v ~ d λ ‾ MA N v ‾ v 1 p 1 ( 0 ) L
并通过受激拉曼散射的非线性效应来进行功率累加求和运算,将前N-1个信道信号光部分功率累加求和,得到第N信道的信号光的功率;
当权值有正有负时,所述第三光纤根据公式
p N 2 + 1 = Σ i = 1 N 2 v N 2 + 1 v i e ( N 2 + 1 - i ) G p i - Σ i = N 2 + 2 N v N 2 + 1 v i e ( N 2 + 1 - i ) G p i p i = p i ( 0 ) N 1 - e G 1 - e NG e - αz e ( i - 1 ) G , i = 1,2 , . . . , N p i ( 0 ) = v i v 1 p 1 ( 0 ) G = k v ~ d λ ‾ MA N v ‾ v 1 p 1 ( 0 ) L
并通过受激拉曼散射的非线性效应来进行功率累加求和运算,首先将前个信道信号光部分功率累加求和,并将后个信道信号光部分功率累加求和,然后将前个信道信号光部分功率累加求和结果与后个信道信号光部分功率累加求和结果作差,得到第信道的信号光的功率;
其中,pi为第i信道的光功率,pi(0)为z=0处的光功率,z为光在第三光纤中传输的距离,N为信道总数且为偶数,G为对应于信道间隔的拉曼放大系数,e为自然对数,α为光功率在第三光纤中的衰减系数,n0为初始输入光子通量,vi为第i信道光信号的频率,M为保偏系数且M的取值范围为1≤M≤2,A为第三光纤的有效作用面积,k为拟合直线斜率且取值为1.80×10-16(m·cm/w),为所有信道信号光的平均波长,为信道间隔,为信道的平均光波频率,L为第三光纤的有效作用长度;
步骤五、首先,分光神经元的权值为正和有正有负两种情况选取光滤波器,具体为:
当权值为正时:选取中心波长为λN的光滤波器,
当权值有正有负时:选取中心波长为的光滤波器;
然后,将所述第三光纤的另一端与所述光滤波器的输入端连接,当权值为正时,所述光滤波器滤出波长λN的信号光,当权值为负时,所述光滤波器滤出波长的信号光;
步骤六、选取第一光电转换器,并将所述光滤波器的输出端通过第四光纤与所述第一光电转换器的输入端相接,第一光电转换器将所述光滤波器滤出的信号光转换为电压信号U2
步骤七、选取第二本地发射机和第二光电转换器,并将第二本地发射机的输出端通过第五光纤与所述第二光电转换器的输入端相接,第二光电转换器将所述第二本地发射机输出的第二本地信号光转换为电压信号U1
步骤八、构建减法器,并通过导线将所述第一光电转换器的输出端与所述减法器的正极输入端电连接,通过导线将所述第二光电转换器的输出端与所述减法器的负极输入端电连接,所述减法器将第一光电转换器输出的电压信号U2和第二光电转换器输出的电压信号U1做减法运算,并输出电压信号Uo=U2-U1
步骤九、选取激光二极管并通过导线将所述激光二极管的输入端与所述减法器的输出端电连接,所述减法器输出的电压信号Uo通过激光二极管进行转换输出光信号,当电压信号Uo>0时,所述激光二极管输出高功率的光信号,相当于“1”信号,当电压信号vo≤0,所述激光二极管不输出光信号,相当于“0”信号,实现了光神经元。
本发明与现有技术相比具有以下优点:
1、本发明光神经元的结构简单,设计新颖合理,由于N个光信号被耦合到一根光纤中去而发生受激拉曼散射效应,光信号之间的能量发生了转移,从而建立起了光神经元,实现方便且成本低。
2、本发明光神经元克服了高密度的电子互连在技术上的困难,如电子引线靠近时会发生耦合,高速电脉冲在引线上传播时要发生色散和延迟的问题。
3、本发明光神经元的自身功耗小,噪声低,信息处理速度快,是构建光神经网络的最基本单元,通过该光神经元,能够方便地构建光神经网络。
4、本发明光神经元能够高速并行处理大量的光信息,且大量光信息相互交叉而不发生串扰,传播速度快,延时可以忽略不计。
5、本发明光神经元的建立方法实现方便且成本低,可扩展性强。
6、本发明的实用性强,使用效果好,便于推广使用。
综上所述,本发明设计新颖合理,实现方便且成本低,功耗小,噪声低,信息处理速度快,可扩展性强,实用性强,使用效果好,便于推广使用。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明光神经元的原理框图。
图2为本发明减法器的电路原理图。
图3为本发明光神经元的建立方法的方法流程图。
附图标记说明:
1—外部光发射机;        2—第一本地光发射机;    3—第二本地发射机;
4—减法器;              5—合波器;              6—第一光纤;
7—第二光纤;            8—第三光纤;            9—光滤波器;
10—第四光纤;           11—第一光电转换器;     12—第五光纤;
13—第二光电转换器;     14—激光二极管。
具体实施方式
实施例1
如图1所示,本发明所述的基于光纤中受激拉曼散射效应的光神经元,包括用于发射(N-1)个信号光的(N-1)个外部光发射机1、用于发射第一本地信号光的第一本地光发射机2、用于发射第二本地信号光的第二本地发射机3和用于对电信号做减法运算处理的减法器4,以及用于对(N-1)个外部光发射机1发射的(N-1)个信号光和第一本地光发射机2发射的第一本地信号光进行耦合的合波器5,第1~(N-1)个所述外部光发射机1的输出端分别通过(N-1)根第一光纤6与所述合波器5的第1~(N-1)个输入端相连接,第一本地光发射机2的输出端通过第二光纤7与所述合波器5的第N个输入端连接,所述合波器5的输出端通过用于通过受激拉曼散射的非线性效应来进行功率累加求和运算的第三光纤8连接有用于滤出经过功率累计求和运算后的第一本地信号光的光滤波器9,所述光滤波器9的输出端通过第四光纤10连接有用于将经过功率累计求和运算后的第一本地信号光转换为电信号的第一光电转换器11,第二本地光发射机3的输出端通过第五光纤12连接有用于将第二本地发射机3输出的第二本地信号光转换为电信号的第二光电转换器13,所述第一光电转换器11的输出端与所述减法器4的正极输入端电连接,所述第二光电转换器13的输出端与所述减法器4的负极输入端电连接,所述减法器4的输出端电连接有用于将电信号转换为光信号输出的激光二极管14,其中,N为合波器5的信道总数,(N-1)个所述外部光发射机1的输出光子通量与所述第一本地光发射机2的输出光子通量相等。
本实施例中,所述光神经元的权值为正,(N-1)个所述外部光发射机1的中心波长和所述第一本地光发射机2的中心波长λN依次从小到大排列。所述第一本地光发射机2的中心波长λN满足频移计算公式 Δv = ( 1 / λ ‾ ) - ( 1 / λ N ) , 其中,为N-1个所述外部光发射机1的中心波长的平均值,Δv为频移量且Δv的取值范围为300cm-1~500cm-1
结合图2,本实施例中,所述减法器4由运算放大器U1以及电阻R1、R2、R3和Rf构成,所述运算放大器U1的正极输入端与所述电阻R2的一端和电阻R3的一端相接,所述电阻R2的另一端为所述减法器4的正极输入端,所述电阻R3的另一端接地,所述运算放大器U1的负极输入端与所述电阻R1的一端和电阻Rf的一端相接,所述电阻R1的另一端为所述减法器4的负极输入端,所述运算放大器U1的输出端与所述电阻Rf的另一端相接且为所述减法器4的输出端。
本实施例中,所述第三光纤8为高非线性光纤,所述高非线性光纤在1370nm~1700nm的波长范围内非线性系数范围为10W-1km-1~37W-1km-1,所述高非线性光纤在波长1550nm处的非线性系数为36.2W-1km-1,所述高非线性光纤在1370nm~1700nm的波长范围内色散值范围为0~0.6ps/(nm·km),所述高非线性光纤在1370nm~1700nm的波长范围内色散斜率范围为-0.2~0.2。
实施例2
本实施例与实施例1不同的是:所述光神经元的权值有正有负,(N-1)个所述外部光发射机1的中心波长中,有个的中心波长依次从小到大排列且均小于所述第一本地光发射机2的中心波长另外个的中心波长依次从小到大排列且均大于所述第一本地光发射机2的中心波长其中,N为偶数。所述第一本地光发射机2的中心波长满足频移计算公式 Δ υ 1 ‾ = ( 1 / λ ‾ 1 ) - ( 1 / λ N 2 + 1 ) Δ υ 2 ‾ = ( 1 / λ N 2 + 1 ) - ( 1 / λ ‾ 2 ) , 其中,个所述外部光发射机1的中心波长的平均值,个所述外部光发射机1的中心波长依次从小到大排列且均小于所述第一本地光发射机2的中心波长;个所述外部光发射机1的中心波长的平均值,个所述外部光发射机1的中心波长依次从小到大排列且均大于所述第一本地光发射机2的中心波长。其余结构均与实施例1相同。
结合图3,本发明所述的基于光纤中受激拉曼散射效应的光神经元的建立方法,包括以下步骤:
步骤一、分光神经元的权值为正和有正有负两种情况选取(N-1)个外部光发射机1和第一本地光发射机2,具体为:
当权值为正时:首先选择第一本地光发射机2和(N-1)个外部光发射机1,且(N-1)个所述外部光发射机1的中心波长和所述第一本地光发射机2的中心波长依次从小到大排列;所述第一本地光发射机2的中心波长λN与(N-1)个所述外部光发射机1的中心波长的平均值满足频移计算公式其中,Δv为频移量且Δv的取值范围为300cm-1~500cm-1;具体实施时,选取的(N-1)个所述外部光发射机1的中心波长相近,可以使它们之间的受激拉曼散射效应很微弱;
当权值有正有负时:首先,选择个外部光发射机1,且个所述外部光发射机1的中心波长依次从小到大排列;接着,选择波长为第一本地光发射机2,且选择好的个所述外部光发射机1的中心波长均小于所述第一本地光发射机2的中心波长然后,选择所述外部光发射机1,所述外部光发射机1的中心波长依次从小到大排列且均大于所述第一本地光发射机2的中心波长所述第一本地光发射机2的中心波长满足频移计算公式其中,个所述外部光发射机1的中心波长的平均值,个所述外部光发射机1的中心波长依次从小到大排列且均小于所述第一本地光发射机2的中心波长;个所述外部光发射机1的中心波长的平均值,个所述外部光发射机1的中心波长依次从小到大排列且均大于所述第一本地光发射机2的中心波长;
步骤二、将(N-1)个所述外部光发射机1的输出端分别通过(N-1)根第一光纤6连接到合波器5的第1~(N-1)个输入端上,将所述第一本地光发射机2的输出端通过第二光纤7连接到合波器5的第N个输入端上;
步骤三、所述合波器5将(N-1)个所述外部光发射机1发射的信号光和第一本地光发射机2发射的第一本地信号光进行耦合后输出,即把N个光信号耦合在一起;
步骤四、首先,选取第三光纤8,所述第三光纤8为高非线性光纤,所述高非线性光纤在1370nm~1700nm的波长范围内非线性系数范围为10W-1km-1~37W-1km-1,所述高非线性光纤在波长1550nm处的非线性系数为36.2W-1km-1,所述高非线性光纤在1370nm~1700nm的波长范围内色散值范围为0~0.6ps/(nm·km),所述高非线性光纤在1370nm~1700nm的波长范围内色散斜率范围为-0.2~0.2;然后,将所述第三光纤8的一端与所述合波器5的输出端连接,所述合波器5输出的信号光通过第三光纤8传输;当权值为正时,所述第三光纤8根据公式
p N = Σ i = 1 N - 1 v N ( N - 1 ) v i e ( N - i ) G p i p i = p i ( 0 ) N 1 - e G 1 - e NG e - αz e ( i - 1 ) G , i = 1,2 , . . . , N p i ( 0 ) = v i v 1 p 1 ( 0 ) G = k v ~ d λ ‾ MA N v ‾ v 1 p 1 ( 0 ) L
并通过受激拉曼散射的非线性效应来进行功率累加求和运算,将前N-1个信道信号光部分功率累加求和,得到第N信道的信号光的功率;
当权值有正有负时,所述第三光纤8根据公式
p N 2 + 1 = Σ i = 1 N 2 v N 2 + 1 v i e ( N 2 + 1 - i ) G p i - Σ i = N 2 + 2 N v N 2 + 1 v i e ( N 2 + 1 - i ) G p i p i = p i ( 0 ) N 1 - e G 1 - e NG e - αz e ( i - 1 ) G , i = 1,2 , . . . , N p i ( 0 ) = v i v 1 p 1 ( 0 ) G = k v ~ d λ ‾ MA N v ‾ v 1 p 1 ( 0 ) L
并通过受激拉曼散射的非线性效应来进行功率累加求和运算,首先将前个信道信号光部分功率累加求和,并将后个信道信号光部分功率累加求和,然后将前个信道信号光部分功率累加求和结果与后个信道信号光部分功率累加求和结果作差,得到第信道的信号光的功率;
其中,pi为第i信道的光功率,pi(0)为z=0处的光功率,z为光在第三光纤8中传输的距离,N为信道总数且为偶数,G为对应于信道间隔的拉曼放大系数,e为自然对数,α为光功率在第三光纤8中的衰减系数,n0为初始输入光子通量,vi为第i信道光信号的频率,M为保偏系数且M的取值范围为1≤M≤2,A为第三光纤8的有效作用面积,k为拟合直线斜率且取值为1.80×10-16(m·cm/w),为所有信道信号光的平均波长,为信道间隔,为信道的平均光波频率,L为第三光纤8的有效作用长度;第三光纤8能够在0.1ps的极短时间内通过拉曼散射效应,实现光信号的能量转移,这是现有技术不具备的优势;
步骤五、首先,分光神经元的权值为正和有正有负两种情况选取光滤波器9,具体为:
当权值为正时:选取中心波长为λN的光滤波器9,
当权值有正有负时:选取中心波长为的光滤波器9;
然后,将所述第三光纤8的另一端与所述光滤波器9的输入端连接,当权值为正时,所述光滤波器9滤出波长λN的信号光,当权值为负时,所述光滤波器9滤出波长的信号光;到此,相当于实现了光神经元模型中的计算过程;
步骤六、选取第一光电转换器11,并将所述光滤波器9的输出端通过第四光纤10与所述第一光电转换器11的输入端相接,第一光电转换器11将所述光滤波器9滤出的信号光转换为电压信号U2
步骤七、选取第二本地发射机3和第二光电转换器13,并将第二本地发射机3的输出端通过第五光纤12与所述第二光电转换器13的输入端相接,第二光电转换器13将所述第二本地发射机3输出的第二本地信号光转换为电压信号U1
步骤八、构建减法器4,并通过导线将所述第一光电转换器11的输出端与所述减法器4的正极输入端电连接,通过导线将所述第二光电转换器13的输出端与所述减法器4的负极输入端电连接,所述减法器4将第一光电转换器11输出的电压信号U2和第二光电转换器13输出的电压信号U1做减法运算,并输出电压信号Uo=U2-U1;到此,相当于实现了光神经元模型中的计算过程;
步骤九、选取激光二极管14并通过导线将所述激光二极管14的输入端与所述减法器4的输出端电连接,所述减法器4输出的电压信号Uo通过激光二极管14进行转换输出光信号,当电压信号Uo>0时,所述激光二极管14输出高功率的光信号,相当于“1”信号,当电压信号vo≤0,所述激光二极管14不输出光信号,相当于“0”信号,实现了光神经元。到此,相当于实现了光神经元模型其中,xi为输入信号功率,wij为权值,θ为阈值,f(.)为传输函数,yj为输出信号,令
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。

Claims (7)

1.一种基于光纤中受激拉曼散射效应的光神经元,其特征在于:包括用于发射(N-1)个信号光的(N-1)个外部光发射机(1)、用于发射第一本地信号光的第一本地光发射机(2)、用于发射第二本地信号光的第二本地发射机(3)和用于对电信号做减法运算处理的减法器(4),以及用于对(N-1)个外部光发射机(1)发射的(N-1)个信号光和第一本地光发射机(2)发射的第一本地信号光进行耦合的合波器(5),第1~(N-1)个所述外部光发射机(1)的输出端分别通过(N-1)根第一光纤(6)与所述合波器(5)的第1~(N-1)个输入端相连接,第一本地光发射机(2)的输出端通过第二光纤(7)与所述合波器(5)的第N个输入端连接,所述合波器(5)的输出端通过用于通过受激拉曼散射的非线性效应来进行功率累加求和运算的第三光纤(8)连接有用于滤出经过功率累计求和运算后的第一本地信号光的光滤波器(9),所述光滤波器(9)的输出端通过第四光纤(10)连接有用于将经过功率累计求和运算后的第一本地信号光转换为电信号的第一光电转换器(11),第二本地光发射机(3)的输出端通过第五光纤(12)连接有用于将第二本地发射机(3)输出的第二本地信号光转换为电信号的第二光电转换器(13),所述第一光电转换器(11)的输出端与所述减法器(4)的正极输入端电连接,所述第二光电转换器(13)的输出端与所述减法器(4)的负极输入端电连接,所述减法器(4)的输出端电连接有用于将电信号转换为光信号输出的激光二极管(14),其中,N为合波器(5)的信道总数,(N-1)个所述外部光发射机(1)的输出光子通量与所述第一本地光发射机(2)的输出光子通量相等;
所述第三光纤(8)为高非线性光纤,所述高非线性光纤在1370nm~1700nm的波长范围内非线性系数范围为10W-1km-1~37W-1km-1,所述高非线性光纤在波长1550nm处的非线性系数为36.2W-1km-1,所述高非线性光纤在1370nm~1700nm的波长范围内色散值范围为0~0.6ps/(nm·km),所述高非线性光纤在1370nm~1700nm的波长范围内色散斜率范围为-0.2~0.2。
2.按照权利要求1所述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述光神经元的权值为正,(N-1)个所述外部光发射机(1)的中心波长和所述第一本地光发射机(2)的中心波长λN依次从小到大排列。
3.按照权利要求2所述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述第一本地光发射机(2)的中心波长λN满足频移计算公式其中,为(N-1)个所述外部光发射机(1)的中心波长的平均值,Δv为频移量且Δv的取值范围为300cm-1~500cm-1
4.按照权利要求1所述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述光神经元的权值有正有负,(N-1)个所述外部光发射机(1)的中心波长中,有个的中心波长依次从小到大排列且均小于所述第一本地光发射机(2)的中心波长另外个的中心波长依次从小到大排列且均大于所述第一本地光发射机(2)的中心波长其中,N为偶数。
5.按照权利要求4所述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述第一本地光发射机(2)的中心波长满足频移计算公式 Δ υ 1 ‾ = ( 1 / λ ‾ 1 ) - ( 1 / λ N 2 + 1 ) Δ υ 2 ‾ = ( 1 / λ N 2 + 1 ) - ( 1 / λ ‾ 2 ) , 其中,个所述外部光发射机(1)的中心波长的平均值,个所述外部光发射机(1)的中心波长依次从小到大排列且均小于所述第一本地光发射机(2)的中心波长;个所述外部光发射机(1)的中心波长的平均值,个所述外部光发射机(1)的中心波长依次从小到大排列且均大于所述第一本地光发射机(2)的中心波长。
6.按照权利要求1所述的基于光纤中受激拉曼散射效应的光神经元,其特征在于:所述减法器(4)由运算放大器U1以及电阻R1、R2、R3和Rf构成,所述运算放大器U1的正极输入端与所述电阻R2的一端和电阻R3的一端相接,所述电阻R2的另一端为所述减法器(4)的正极输入端,所述电阻R3的另一端接地,所述运算放大器U1的负极输入端与所述电阻R1的一端和电阻Rf的一端相接,所述电阻R1的另一端为所述减法器(4)的负极输入端,所述运算放大器U1的输出端与所述电阻Rf的另一端相接且为所述减法器(4)的输出端。
7.一种如权利要求1所述光神经元的建立方法,其特征在于该方法包括以下步骤:
步骤一、分光神经元的权值为正和有正有负两种情况选取(N-1)个外部光发射机(1)和第一本地光发射机(2),具体为:
当权值为正时:首先选择第一本地光发射机(2)和(N-1)个外部光发射机(1),且(N-1)个所述外部光发射机(1)的中心波长和所述第一本地光发射机(2)的中心波长依次从小到大排列;所述第一本地光发射机(2)的中心波长λN与(N-1)个所述外部光发射机(1)的中心波长的平均值满足频移计算公式其中,Δv为频移量且Δv的取值范围为300cm-1~500cm-1
当权值有正有负时:首先,选择个外部光发射机(1),且个所述外部光发射机(1)的中心波长依次从小到大排列;接着,选择波长为第一本地光发射机(2),且选择好的个所述外部光发射机(1)的中心波长均小于所述第一本地光发射机(2)的中心波长然后,选择所述外部光发射机(1),所述外部光发射机(1)的中心波长依次从小到大排列且均大于所述第一本地光发射机(2)的中心波长所述第一本地光发射机(2)的中心波长满足频移计算公式 Δ υ 2 ‾ = ( 1 / λ N 2 + 1 ) - ( 1 / λ ‾ 2 ) , 其中,个所述外部光发射机(1)的中心波长的平均值,个所述外部光发射机(1)的中心波长依次从小到大排列且均小于所述第一本地光发射机(2)的中心波长;个所述外部光发射机(1)的中心波长的平均值,个所述外部光发射机(1)的中心波长依次从小到大排列且均大于所述第一本地光发射机(2)的中心波长;
步骤二、将(N-1)个所述外部光发射机(1)的输出端分别通过(N-1)根第一光纤(6)连接到合波器(5)的第1~(N-1)个输入端上,将所述第一本地光发射机(2)的输出端通过第二光纤(7)连接到合波器(5)的第N个输入端上;
步骤三、所述合波器(5)将(N-1)个所述外部光发射机(1)发射的信号光和第一本地光发射机(2)发射的第一本地信号光进行耦合后输出;
步骤四、首先,选取第三光纤(8),所述第三光纤(8)为高非线性光纤,所述高非线性光纤在1370nm~1700nm的波长范围内非线性系数范围为10W-1km-1~37W-1km-1,所述高非线性光纤在波长1550nm处的非线性系数为36.2W-1km-1,所述高非线性光纤在1370nm~1700nm的波长范围内色散值范围为0~0.6ps/(nm·km),所述高非线性光纤在1370nm~1700nm的波长范围内色散斜率范围为-0.2~0.2;然后,将所述第三光纤(8)的一端与所述合波器(5)的输出端连接,所述合波器(5)输出的信号光通过第三光纤(8)传输;当权值为正时,所述第三光纤(8)根据公式
p N = Σ i = 1 N - 1 v N ( N - 1 ) v i e ( N - i ) G p i p i = p i ( 0 ) N 1 - e G 1 - e NG e - αz e ( i - 1 ) G , i = 1,2 , . . . , N p i ( 0 ) = v i v 1 p 1 ( 0 ) G = k v ~ d λ ‾ MA N v ‾ v 1 p 1 ( 0 ) L
并通过受激拉曼散射的非线性效应来进行功率累加求和运算,将前(N-1)个信道信号光部分功率累加求和,得到第N信道的信号光的功率;
当权值有正有负时,所述第三光纤(8)根据公式
p N 2 + 1 = Σ i = 1 N 2 v N 2 1 v i e ( N 2 + 1 - i ) G p i - Σ i = N 2 + 2 N v N 2 + 1 v i e ( N 2 + 1 - i ) G p i p i = p i ( 0 ) N 1 - e G 1 - e NG e - αz e ( i - 1 ) G , i = 1,2 , . . . , N p i ( 0 ) = v i v 1 p 1 ( 0 ) G = k v ~ d λ ‾ MA N v ‾ v 1 p 1 ( 0 ) L
并通过受激拉曼散射的非线性效应来进行功率累加求和运算,首先将前个信道信号光部分功率累加求和,并将后个信道信号光部分功率累加求和,然后将前个信道信号光部分功率累加求和结果与后个信道信号光部分功率累加求和结果作差,得到第信道的信号光的功率;
其中,pi为第i信道的光功率,pi(0)为z=0处的光功率,z为光在第三光纤(8)中传输的距离,N为信道总数且为偶数,G为对应于信道间隔的拉曼放大系数,e为自然对数,α为光功率在第三光纤(8)中的衰减系数,n0为初始输入光子通量,vi为第i信道光信号的频率,M为保偏系数且M的取值范围为1≤M≤2,A为第三光纤(8)的有效作用面积,k为拟合直线斜率且取值为1.80×10-16(m·cm/w),为所有信道信号光的平均波长,为信道间隔,为信道的平均光波频率,L为第三光纤(8)的有效作用长度;
步骤五、首先,分光神经元的权值为正和有正有负两种情况选取光滤波器(9),具体为:
当权值为正时:选取中心波长为λN的光滤波器(9),
当权值有正有负时:选取中心波长为的光滤波器(9);
然后,将所述第三光纤(8)的另一端与所述光滤波器(9)的输入端连接,当权值为正时,所述光滤波器(9)滤出波长λN的信号光,当权值为负时,所述光滤波器(9)滤出波长的信号光;
步骤六、选取第一光电转换器(11),并将所述光滤波器(9)的输出端通过第四光纤(10)与所述第一光电转换器(11)的输入端相接,第一光电转换器(11)将所述光滤波器(9)滤出的信号光转换为电压信号U2
步骤七、选取第二本地发射机(3)和第二光电转换器(13),并将第二本地发射机(3)的输出端通过第五光纤(12)与所述第二光电转换器(13)的输入端相接,第二光电转换器(13)将所述第二本地发射机(3)输出的第二本地信号光转换为电压信号U1
步骤八、构建减法器(4),并通过导线将所述第一光电转换器(11)的输出端与所述减法器(4)的正极输入端电连接,通过导线将所述第二光电转换器(13)的输出端与所述减法器(4)的负极输入端电连接,所述减法器(4)将第一光电转换器(11)输出的电压信号U2和第二光电转换器(13)输出的电压信号U1做减法运算,并输出电压信号Uo=U2-U1
步骤九、选取激光二极管(14)并通过导线将所述激光二极管(14)的输入端与所述减法器(4)的输出端电连接,所述减法器(4)输出的电压信号Uo通过激光二极管(14)进行转换输出光信号,当电压信号Uo>0时,所述激光二极管(14)输出高功率的光信号,相当于“1”信号,当电压信号vo≤0,所述激光二极管(14)不输出光信号,相当于“0”信号,实现了光神经元。
CN201310045680.4A 2013-02-05 2013-02-05 基于光纤中受激拉曼散射效应的光神经元及其建立方法 Expired - Fee Related CN103178901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310045680.4A CN103178901B (zh) 2013-02-05 2013-02-05 基于光纤中受激拉曼散射效应的光神经元及其建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310045680.4A CN103178901B (zh) 2013-02-05 2013-02-05 基于光纤中受激拉曼散射效应的光神经元及其建立方法

Publications (2)

Publication Number Publication Date
CN103178901A CN103178901A (zh) 2013-06-26
CN103178901B true CN103178901B (zh) 2015-06-17

Family

ID=48638541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310045680.4A Expired - Fee Related CN103178901B (zh) 2013-02-05 2013-02-05 基于光纤中受激拉曼散射效应的光神经元及其建立方法

Country Status (1)

Country Link
CN (1) CN103178901B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784486B (zh) * 2018-12-26 2021-04-23 中国科学院计算技术研究所 一种光学神经网络处理器及其训练方法
CN109784485B (zh) * 2018-12-26 2021-04-23 中国科学院计算技术研究所 一种光学神经网络处理器及其计算方法
CN109962747B (zh) * 2019-03-13 2020-05-26 中国电子科技集团公司第二十九研究所 宽带电磁信号的光子神经网络自适应处理装置
CN113095482B (zh) * 2021-04-06 2024-01-12 西安邮电大学 基于bp神经网络的拉曼放大器增益值计算方法及系统
CN114221700B (zh) * 2021-12-22 2023-06-13 阿里巴巴(中国)有限公司 计算光传输网络的配置的方法、装置及光传输网络系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7304788B2 (en) * 2005-12-21 2007-12-04 Lucent Technologies Inc. Translation of individual and entangled states of light by four-wave mixing in fibers
CN203071941U (zh) * 2013-02-05 2013-07-17 西安邮电大学 基于光纤中受激拉曼散射效应的光神经元

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7304788B2 (en) * 2005-12-21 2007-12-04 Lucent Technologies Inc. Translation of individual and entangled states of light by four-wave mixing in fibers
CN203071941U (zh) * 2013-02-05 2013-07-17 西安邮电大学 基于光纤中受激拉曼散射效应的光神经元

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multiple Raman Pump Assisted Fiber Optical Parametric Amplifiers;Wang Shaohao, et al.;《Journal of Lightwave Technology》;20110901;1-8 *
在同种光纤中实现RFA增益平坦化的方法;巩稼民;《应用光学》;20120531;第33卷(第3期);1-4 *

Also Published As

Publication number Publication date
CN103178901A (zh) 2013-06-26

Similar Documents

Publication Publication Date Title
CN103178901B (zh) 基于光纤中受激拉曼散射效应的光神经元及其建立方法
CN108375861A (zh) 可实现智能信号处理的高速高精度光模数转换装置和方法
CN102023672B (zh) 基于微环谐振器的集成化光学向量-矩阵乘法器
CN102722059B (zh) 一种基于动态光谱压缩的全光量化系统及其方法
CN105046325A (zh) 一种基于类mos发光器件模拟生物神经网络的电路
CN105404495A (zh) 用于调制宽带转换器的高速伪随机序列发生器及发生方法
CN208547936U (zh) 基于光电混合集成的高速实时量子随机数发生器
Kononov Modeling photonic links in Verilog-A
Venkata et al. Bond graph modeling for energy-harvesting wireless sensor networks
CN114037070A (zh) 光信号的处理方法、光子神经网络芯片及其设计方法
CN108880695A (zh) 光子连续时间压缩装置及其方法
CN203071941U (zh) 基于光纤中受激拉曼散射效应的光神经元
CN103034473B (zh) 一种伪随机数生成器
CN114692427A (zh) 设备校准方法及装置
Shao et al. Integer linear programming model and satisfiability test reduction for distance constrained labellings of graphs: the case of L (3, 2, 1) labelling for products of paths and cycles
CN103986670A (zh) 一种光交换芯片性能的获取方法
CN113592084B (zh) 基于反向优化超结构卷积核的片上光子神经网络
Kojima et al. Inverse design for integrated photonics using deep neural network
CN106774625A (zh) 一种实时相位噪声硬件发生器的并行实现方法
Bays et al. MATLAB-Graphical User Interface to study partial shading of PV array characteristics
Aleshams et al. Split-Step Fourier Transform Method in modeling of pulse propagation in dispersive nonlinear optical fibers
CN205091555U (zh) 数模混合仿真系统及其接口电路
Shi et al. Emulation and modelling of semiconductor optical amplifier-based all-optical photonic integrated deep neural network with arbitrary depth
Probst et al. Topology Optimized Integrated SiN Mode Converters
CN108964704A (zh) 一种宽带电力线载波通信信道研究方法、装置及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150617

Termination date: 20220205