CN117420770B - 用于多路激光控制的数据仿真系统 - Google Patents
用于多路激光控制的数据仿真系统 Download PDFInfo
- Publication number
- CN117420770B CN117420770B CN202311639888.9A CN202311639888A CN117420770B CN 117420770 B CN117420770 B CN 117420770B CN 202311639888 A CN202311639888 A CN 202311639888A CN 117420770 B CN117420770 B CN 117420770B
- Authority
- CN
- China
- Prior art keywords
- branch
- gain
- prediction
- light intensity
- laser control
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 25
- 238000004590 computer program Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims description 14
- 239000000835 fiber Substances 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Lasers (AREA)
Abstract
本申请涉及光学技术领域,特别是涉及一种用于多路激光控制的数据仿真系统,当系统中的计算机程序被处理器执行时,实现以下步骤:根据第一信号光光强集合、第二信号光光强和目标电流,预测得到预测主支路,确定预测主支路与其他支路的关联权重,根据关联权重、第一信号光光强集合和第二信号光光强得到预测电流,当预测电流不满足预设条件时,预测得到每个增益支路的断开概率,根据断开概率对第一信号光光强集合更新,迭代进行电流预测,得到支路断开状态对多路激光进行控制,可知,采用逐一断开分支支路的方式进行选型,相较于预测开启支路的组合方式,预测已开启支路的断开概率的难度更低,提高了多路激光的数据仿真的效率及准确率。
Description
技术领域
本发明涉及光学技术领域,特别是涉及一种用于多路激光控制的数据仿真系统。
背景技术
传统光纤激光器通常通过增大增益光纤的长度来提升光信号功率,但是随着增益光纤长度的进一步增大,功率增益反而会下降,难以满足高光信号功率的需求,且不同材料对光信号功率的需求不同,固定长度的增益光纤难以满足针对不同材料的加工需求。
采用多路激光进行光信号功率控制的方案需要在仿真模拟环境下进行选型,然而由于多路激光的组合方式较多,会导致仿真过程的效率较低。
因此,如何更提高多路激光控制的数据仿真效率,以快速提供能够满足目标输出的多路激光选型,成为亟待解决的问题。
发明内容
针对上述技术问题,本发明采用的技术方案为一种用于多路激光控制的数据仿真系统,所述系统包括处理器和存储有计算机程序的存储器,其特征在于,所述存储器中存储有增益支路集合A={a1,a2,……,am,……,aM}、第一信号光光强集合I={i1,i2,……,im,……,iM}、第二信号光光强X、目标电流J、经训练的断开预测模型E和经训练的电流预测模型L,am是指第m个增益支路,im是指第m个增益支路中第一光源输出的信号光的光强,m为[1,M]范围内的整数,当计算机程序被处理器执行时,实现以下步骤:
S1,根据I、X和J,在A中进行主支路预测,获取到预测主支路an,其中,n为[1,M]范围内的整数,an是指第n个增益支路。
S2,根据预设的映射表,确定an和A中的各个增益支路之间的关联权重集合C={cn1,cn2,……,cnm,……,cnM},其中,n≠m,cnm是指an和am之间的关联权重。
S3,根据C、I和X,使用L进行电流预测,获取到预测电流K。
S4,当|K-J|不满足预设条件时,根据an、C、J、I和X,对A中每个增益支路进行断开预测,获取到A中每个增益支路的断开概率,其中,预设条件为|K-J|<mar,mar是指预设的误差阈值。
S5,在I中将断开概率最大值对应的增益支路中的第一光源的光强置零,更新I。
S6,返回执行S3至S5,直至|K-J|满足预设条件,获取到目标信号光光强集合O。
S7,根据O,确定A中各个增益支路的断开情况,形成支路断开状态P。
S8,根据P对多路激光进行控制,形成满足预设条件的输出电流R。
本发明与现有技术相比具有明显的有益效果,借由上述技术方案,本发明提供的用于多路激光控制的数据仿真系统可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有以下有益效果:根据I和J,在A中进行主支路预测,获取到预测主支路an,根据预设的映射表,确定an和A中的各个增益支路之间的关联权重集合C={cn1,cn2,……,cnm,……,cnM},n≠m,根据C和I,使用L进行电流预测,获取到预测电流K,当|K-J|不满足预设条件时,根据an、C、J和I,对A中每个增益支路进行断开预测,获取到A中每个增益支路的断开概率,预设条件为|K-J|<mar,mar是指预设的误差阈值,在I中将断开概率最大值对应的增益支路中的第一光源的光强置零,更新I,返回执行S3至S5,直至|K-J|满足预设条件,获取到目标信号光光强集合O,根据O,确定A中各个增益支路的断开情况,形成支路断开状态P,根据P对多路激光进行控制,形成满足预设条件的输出电流R。可知,在通过预测方式确定主支路之后,采用逐一断开分支支路的方式进行选型,相较于预测开启支路的组合方式,预测已开启支路的断开概率的难度更低,有助于提高模型预测的准确率,而且迭代效率更高,从而有效提高多路激光的数据仿真的效率及准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的用于多路激光控制的数据仿真系统的计算机程序执行的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供一种用于多路激光控制的数据仿真系统,所述系统包括处理器和存储有计算机程序的存储器,其特征在于,存储器中存储有增益支路集合A={a1,a2,……,am,……,aM}、第一信号光光强集合I={i1,i2,……,im,……,iM}、第二信号光光强X、目标电流J、经训练的断开预测模型E和经训练的电流预测模型L,am是指第m个增益支路,im是指第m个增益支路中第一光源输出的信号光的光强,m为[1,M]范围内的整数,当计算机程序被处理器执行时,实现以下步骤:
S1,根据I、X和J,在A中进行主支路预测,获取到预测主支路an,其中,n为[1,M]范围内的整数,an是指第n个增益支路;
S2,根据预设的映射表,确定an和A中的各个增益支路之间的关联权重集合C={cn1,cn2,……,cnm,……,cnM},其中,n≠m,cnm是指an和am之间的关联权重;
S3,根据C、I和X,使用L进行电流预测,获取到预测电流K;
S4,当|K-J|不满足预设条件时,根据an、C、J、I和X,对A中每个增益支路进行断开预测,获取到A中每个增益支路的断开概率,其中,预设条件为|K-J|<mar,mar是指预设的误差阈值;
S5,在I中将断开概率最大值对应的增益支路中的第一光源的光强置零,更新I;
S6,返回执行S3至S5,直至|K-J|满足预设条件,获取到目标信号光光强集合O;
S7,根据O,确定A中各个增益支路的断开情况,形成支路断开状态P;
S8,根据P对多路激光进行控制,形成满足预设条件的输出电流R。
其中,经训练的电流预测模型L可以采用仿真场景中形成的第一训练集,在仿真场景中,可以通过设置各支路的中第一光源输出的信号光的光强、主支路以及主支路与其他各个支路之间的关联权重作为第一训练样本,再进行仿真得到对应的输出电流作为对应的第一标签。
经训练的断开预测模型E可以采用历史场景中形成的第二训练集,第二训练集中包括若干个第二训练样本及其对应的第二标签,第二训练样本可以由历史场景下配置的M条支路分别对应的第一光源输出的信号光的光强、主支路、主支路与其他各个支路之间的关联权重、历史电流形成,其对应的第二标签可以根据第二训练样本对应的历史支路断开情况确定。
具体地,由于多路激光旨在输出多种不同光信号功率下的输出光,若存在不同支路组合输出同样的光信号功率,说明存在一种或者多种组合方式被浪费的情况,因此本实施例默认任一光信号功率对应的支路组合方式是唯一的,在已知唯一的历史支路断开情况下,仅需要将所有需要断开的支路断开,而无需考虑其断开顺序。
具体地,当|K-J|<mar,说明此时输出电流已经满足目标电流的误差区间,相应地,当|S-J|>=mar1,说明此时输出电流无法满足目标电流的误差区间,在已确定主支路的情况下,仅把需要断开的支路断开,前述已经说明断开过程无需考虑断开顺序,因此只需要按照断开概率选择支路进行断开,并迭代该过程即可。
可选的是,每个增益支路包括对应的第一光源、光耦合器和增益光纤。
其中,每条增益支路中,第一光源、光耦合器、增益光纤依序连接,每个增益支路可以与分束器连接,第一光源可以用于发射泵浦光,光耦合器的输入包括泵浦光、第二信号光和分束器输出的信号分光,增益光纤可以用于光信号的放大,通常情况下,增益光纤的长度与其对光信号功率的增益能力存在映射关系,需要说明的是,为了提高输出光信号功率的丰富程度,建议不同支路采用不同长度的增益光纤。
可选的是,映射表包括A中每个增益支路作为主支路时与其他增益支路之间的分光比例。
其中,分光比例即为主支路与对应支路之间的关联权重。
可选的是,mar=0.05*J。
其中,mar可以根据实施者对输出电流的预设误差接受范围确定,在本实施例中,误差接受程度为5%,实施者可以根据实际情况调整该误差接受程度,进而调整mar。
可选的是,S7还包括以下步骤:
使用预设阈值对O进行阈值化,确定阈值化结果为P。
其中,由于存在置零操作,则O中包含零元素及非零元素,非零元素即为保持开启的支路的信号光光强,因此,对O进行阈值化,将所有非零元素阈值化为1,即可得到支路断开状态,支路断开状态同样以集合形式表示,其中,元素值为0表示对应支路断开,元素值为1表示对应支路开启,需要说明的是,支路断开意味着支路不启用,也即支路中的光耦合器是不运行状态,支路开启意味着支路启用,也即支路中的光耦合器是运行状态。
可选的是,预设阈值设置为0.1。
其中,该预设阈值可以由实施者根据实际情况调整,其设置范围为大于0且小于最小信号光光强,建议实施者将预设阈值设置为接近最小信号光光强的值,从而隔离部分噪声。
可选的是,多路激光通过分束器连接。
可选的是,S1具体包括以下步骤:
S11,根据I、X和J,使用K在A中进行主支路预测,获取到A中每个增益支路分别作为主支路的预测概率;
S12,确定最大预测概率对应的增益支路作为an。
其中,K可以视作分类模型,相应地,各个支路对应的预测概率可以视作各个类别对应的分类概率,因此,K可以通过现有分类模型实现,现有的分类模型可以选用VGG-Net、ResNet等。
可选的是,S6还包括以下步骤:
S61,若|K-J|无法满足预设条件,则将主支路对应的预测概率设置为0,得到更新后的信号光光强集合I0;
S62,使用I0代替I,返回执行S1至S6。
其中,本实施例中仍要考虑主支路预测出现误差的情况,也即|K-J|无法满足预设条件的情况,此时,仅需要将已选择为主支路的支路对应的预测概率设置为0,再重新选择预测主支路即可。虽然此处与现有方法一样采用了迭代过程,但由于减少支路的方案相较于组合支路的方案无需多次尝试,因此整体迭代过程的效率相较于现有方法也是有明显提升的。
本实施例根据I、X和J,在A中进行主支路预测,获取到预测主支路an,根据预设的映射表,确定an和A中的各个增益支路之间的关联权重集合C={cn1,cn2,……,cnm,……,cnM},n≠m,根据C、I和X,使用L进行电流预测,获取到预测电流K,当|K-J|不满足预设条件时,根据an、C、J、I和X,对A中每个增益支路进行断开预测,获取到A中每个增益支路的断开概率,预设条件为|K-J|<mar,mar是指预设的误差阈值,在I中将断开概率最大值对应的增益支路中的第一光源的光强置零,更新I,返回执行S3至S5,直至|K-J|满足预设条件,获取到目标信号光光强集合O,根据O,确定A中各个增益支路的断开情况,形成支路断开状态P,根据P对多路激光进行控制,形成满足预设条件的输出电流R。可知,在通过预测方式确定主支路之后,采用逐一断开分支支路的方式进行选型,相较于对开启支路的组合方式预测,采用对已开启支路的断开概率进行预测,预测的难度更低相较于预测开启支路的组合方式,预测已开启支路的断开概率的难度更低,有助于提高模型预测的准确率,而且迭代效率更高,从而有效提高多路激光的数据仿真的效率及准确率。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (9)
1.一种用于多路激光控制的数据仿真系统,所述系统包括处理器和存储有计算机程序的存储器,其特征在于,所述存储器中存储有增益支路集合A={a1,a2,……,am,……,aM}、第一信号光光强集合I={i1,i2,……,im,……,iM}、第二信号光光强X、目标电流J、经训练的断开预测模型E和经训练的电流预测模型L,am是指第m个增益支路,im是指第m个增益支路中第一光源输出的信号光的光强,m为[1,M]范围内的整数,当所述计算机程序被处理器执行时,实现以下步骤:
S1,根据I、X和J,在A中进行主支路预测,获取到预测主支路an,其中,n为[1,M]范围内的整数,an是指第n个增益支路;
S2,根据预设的映射表,确定an和A中的各个增益支路之间的关联权重集合C={cn1,cn2,……,cnm,……,cnM},其中,n≠m,cnm是指an和am之间的关联权重;
S3,根据C、I和X,使用L进行电流预测,获取到预测电流K;
S4,当|K-J|不满足预设条件时,根据an、C、J、I和X,使用E对A中每个增益支路进行断开预测,获取到A中每个增益支路的断开概率,其中,所述预设条件为|K-J|<mar,mar是指预设的误差阈值;
S5,在I中将断开概率最大值对应的增益支路中的第一光源的光强置零,更新I;
S6,返回执行S3至S5,直至|K-J|满足所述预设条件,获取到目标信号光光强集合O;
S7,根据O,确定A中各个增益支路的断开情况,形成支路断开状态P;
S8,根据P对多路激光进行控制,形成满足所述预设条件的输出电流R。
2.根据权利要求1所述的用于多路激光控制的数据仿真系统,其特征在于,每个增益支路包括对应的第一光源、光耦合器和增益光纤。
3.根据权利要求1所述的用于多路激光控制的数据仿真系统,其特征在于,所述映射表包括A中每个增益支路作为主支路时与其他增益支路之间的分光比例。
4.根据权利要求1所述的用于多路激光控制的数据仿真系统,其特征在于,mar=0.05*J。
5.根据权利要求1所述的用于多路激光控制的数据仿真系统,其特征在于,S7还包括以下步骤:
使用预设阈值对O进行阈值化,确定阈值化结果为P。
6.根据权利要求5所述的用于多路激光控制的数据仿真系统,其特征在于,所述预设阈值设置为0.1。
7.根据权利要求1所述的用于多路激光控制的数据仿真系统,其特征在于,所述多路激光通过分束器连接。
8.根据权利要求1所述的用于多路激光控制的数据仿真系统,其特征在于,S1具体包括以下步骤:
S11,根据I、X和J,在A中进行主支路预测,获取到A中每个增益支路分别作为主支路的预测概率;
S12,确定最大预测概率对应的增益支路为an。
9.根据权利要求8所述的用于多路激光控制的数据仿真系统,其特征在于,S6还包括以下步骤:
S61,若|K-J|无法满足所述预设条件,则将主支路对应的预测概率设置为0,得到更新后的信号光光强集合I0;
S62,使用I0代替I,返回执行S1至S6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311639888.9A CN117420770B (zh) | 2023-12-01 | 2023-12-01 | 用于多路激光控制的数据仿真系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311639888.9A CN117420770B (zh) | 2023-12-01 | 2023-12-01 | 用于多路激光控制的数据仿真系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117420770A CN117420770A (zh) | 2024-01-19 |
CN117420770B true CN117420770B (zh) | 2024-04-26 |
Family
ID=89523241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311639888.9A Active CN117420770B (zh) | 2023-12-01 | 2023-12-01 | 用于多路激光控制的数据仿真系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117420770B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892640B (zh) * | 2024-03-15 | 2024-05-24 | 成都航空职业技术学院 | 一种激光器控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109980494A (zh) * | 2019-03-21 | 2019-07-05 | 大族激光科技产业集团股份有限公司 | 一种拉曼光的监控方法及光纤激光装置 |
CN113091617A (zh) * | 2021-03-29 | 2021-07-09 | 电子科技大学 | 一种新型的多模光纤光程变化测量系统 |
CN113745950A (zh) * | 2021-07-01 | 2021-12-03 | 上海频准激光科技有限公司 | 一种多路声光移频模块及可跳频单频光纤激光器 |
CN114816536A (zh) * | 2022-06-30 | 2022-07-29 | 飞腾信息技术有限公司 | 一种分支预测处理方法、装置、设备及存储介质 |
WO2022189660A1 (fr) * | 2021-03-12 | 2022-09-15 | Commissariat à l'énergie atomique et aux énergies alternatives | Dispositif de conversion d'un signal photonique, lidar et procédé associés |
CN116054956A (zh) * | 2022-12-27 | 2023-05-02 | 中国电子科技集团公司第十研究所 | 一种适用于相干激光通信的分集接收系统 |
CN116861963A (zh) * | 2023-05-22 | 2023-10-10 | 西安电子科技大学 | 基于多路光注入激光器的光子卷积储备池的自动驾驶设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3021139B1 (en) * | 2014-11-14 | 2020-09-02 | Airbus Defence and Space GmbH | Signal acquisition and distance variation measurement system for laser ranging interferometers |
-
2023
- 2023-12-01 CN CN202311639888.9A patent/CN117420770B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109980494A (zh) * | 2019-03-21 | 2019-07-05 | 大族激光科技产业集团股份有限公司 | 一种拉曼光的监控方法及光纤激光装置 |
WO2022189660A1 (fr) * | 2021-03-12 | 2022-09-15 | Commissariat à l'énergie atomique et aux énergies alternatives | Dispositif de conversion d'un signal photonique, lidar et procédé associés |
CN113091617A (zh) * | 2021-03-29 | 2021-07-09 | 电子科技大学 | 一种新型的多模光纤光程变化测量系统 |
CN113745950A (zh) * | 2021-07-01 | 2021-12-03 | 上海频准激光科技有限公司 | 一种多路声光移频模块及可跳频单频光纤激光器 |
CN114816536A (zh) * | 2022-06-30 | 2022-07-29 | 飞腾信息技术有限公司 | 一种分支预测处理方法、装置、设备及存储介质 |
CN116054956A (zh) * | 2022-12-27 | 2023-05-02 | 中国电子科技集团公司第十研究所 | 一种适用于相干激光通信的分集接收系统 |
CN116861963A (zh) * | 2023-05-22 | 2023-10-10 | 西安电子科技大学 | 基于多路光注入激光器的光子卷积储备池的自动驾驶设备 |
Non-Patent Citations (1)
Title |
---|
空间激光通信探测器阵列接收合并技术;郝博涛;佟首峰;;激光与红外;20130520(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117420770A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117420770B (zh) | 用于多路激光控制的数据仿真系统 | |
AU2020244577B2 (en) | Slot filling with contextual information | |
LaTorre et al. | Large scale global optimization: Experimental results with MOS-based hybrid algorithms | |
Dai et al. | The non-Bayesian restless multi-armed bandit: A case of near-logarithmic regret | |
US20020159051A1 (en) | Method for optical wavelength position searching and tracking | |
KR102073935B1 (ko) | 전파신호 변조인식시스템 | |
CN110555546B (zh) | 一种光性能劣化趋势预测的更新方法及系统 | |
Landajuela et al. | Improving exploration in policy gradient search: Application to symbolic optimization | |
CN117631629B (zh) | 基于仿真处理的激光控制系统 | |
CN117631629A (zh) | 基于仿真处理的激光控制系统 | |
Bastos-Filho et al. | Estimating the spectral gain and the noise figure of EDFA using artificial neural networks | |
Larma et al. | Improving exploration in policy gradient search: Application to symbolic optimization | |
CN116155332A (zh) | 波束训练方法、第一节点、第二节点、通信系统及介质 | |
CN110380749B (zh) | 单通道射频抗饱和装置、方法及其系统 | |
CN113554145B (zh) | 确定神经网络的输出的方法、电子设备和计算机程序产品 | |
US7512868B2 (en) | Method for processing a signal using an approximate map algorithm and corresponding uses | |
Zhao et al. | Optimal stochastic nonconvex optimization with bandit feedback | |
Ledezma et al. | Empirical evaluation of optimized stacking configurations | |
CN114978350B (zh) | 极化-时间片段超编码fock态的无噪线性放大方法 | |
Taufeeque et al. | Randomized POMDP planning algorithms | |
Noever et al. | Understanding genetic algorithm dynamics using harvesting strategies | |
Chlamtac et al. | Use of computational intelligence techniques for designing optical networks | |
Lima et al. | OSNR Ripple and Tilt: Comparison Between PSO and MOO ACOP Techniques for EDFAs Links | |
CN113886672B (zh) | 一种基于局部搜索和种群增强进化策略的网络关键节点识别方法 | |
CN101547381B (zh) | 一种具有信号功率衰减限制的全光网内的组播rwa方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |