JPH0652138A - 光受信器の学習方法および装置 - Google Patents
光受信器の学習方法および装置Info
- Publication number
- JPH0652138A JPH0652138A JP4208040A JP20804092A JPH0652138A JP H0652138 A JPH0652138 A JP H0652138A JP 4208040 A JP4208040 A JP 4208040A JP 20804092 A JP20804092 A JP 20804092A JP H0652138 A JPH0652138 A JP H0652138A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- neural network
- pattern
- wavelength
- signal
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 多重化信号が同期していない場合にも適用で
きる光受信器の学習方法および装置を提供する。 【構成】 受光素子アレイ２１により多重化された光信
号波長の違いを空間的強度分布に変換し、その強度分布
をサンプル部２５でサンプリングし、メモリ部２６にス
トアする。そのメモリ出力に応じて学習パターン発生部
２７では強度分布を合成して学習パターンを生成する。
学習回路２９では、この学習パターンを教師パターン発
生部２８からの教師パターンと比較して学習を行って、
ニューラルネットワーク３０への入力パターンを生成す
る。波長多重信号の同期をとる必要がない。
きる光受信器の学習方法および装置を提供する。 【構成】 受光素子アレイ２１により多重化された光信
号波長の違いを空間的強度分布に変換し、その強度分布
をサンプル部２５でサンプリングし、メモリ部２６にス
トアする。そのメモリ出力に応じて学習パターン発生部
２７では強度分布を合成して学習パターンを生成する。
学習回路２９では、この学習パターンを教師パターン発
生部２８からの教師パターンと比較して学習を行って、
ニューラルネットワーク３０への入力パターンを生成す
る。波長多重信号の同期をとる必要がない。
Description
【０００１】
【産業上の利用分野】本発明は、光波長多重伝送方式に
おいて波長多重された光信号を波長毎に分離する機能を
有する光受信器の学習方法および装置に関するものであ
る。
おいて波長多重された光信号を波長毎に分離する機能を
有する光受信器の学習方法および装置に関するものであ
る。
【０００２】
【従来の技術】光通信では、伝送路の有効利用を図るた
めに、同時に複数の波長の光信号を伝送して、それぞれ
の波長に異なる情報を割り当てる、いわゆる波長多重技
術がある。この技術では、光信号を波長毎に分離する機
能を有する光受信器が必要となる。
めに、同時に複数の波長の光信号を伝送して、それぞれ
の波長に異なる情報を割り当てる、いわゆる波長多重技
術がある。この技術では、光信号を波長毎に分離する機
能を有する光受信器が必要となる。
【０００３】まず、この種の光受信器の構成例について
図４を用いて説明する。なお、図４の光受信器は特願平
２−１０１６２７号に開示されている。
図４を用いて説明する。なお、図４の光受信器は特願平
２−１０１６２７号に開示されている。
【０００４】図４において、光ファイバ１から入射側レ
ンズ２を介して伝搬してきた波長λ１、λ２、…、λｎ
の波長多重信号光３をバルク形の回折格子４に入射さ
せ、ここで、回折されて角度分散された回折光５を出射
側レンズ６を介して受光素子アレイ７に入射させる。受
光素子アレイ７においては、回折された光５は、各波長
λ１、λ２、…、λｎ毎に異なる受光素子アレイ位置に
おいて光強度のピークをもつ２次元の光強度分布に変換
される。受光素子アレイ７から得られる２次元光強度分
布に対応する電流分布をもつ電気信号８をニューラルネ
ットワーク９に入力して、その出力ポート１０から各波
長に対応した出力信号Ｏ１、Ｏ２、…、Ｏｎを得る。
ンズ２を介して伝搬してきた波長λ１、λ２、…、λｎ
の波長多重信号光３をバルク形の回折格子４に入射さ
せ、ここで、回折されて角度分散された回折光５を出射
側レンズ６を介して受光素子アレイ７に入射させる。受
光素子アレイ７においては、回折された光５は、各波長
λ１、λ２、…、λｎ毎に異なる受光素子アレイ位置に
おいて光強度のピークをもつ２次元の光強度分布に変換
される。受光素子アレイ７から得られる２次元光強度分
布に対応する電流分布をもつ電気信号８をニューラルネ
ットワーク９に入力して、その出力ポート１０から各波
長に対応した出力信号Ｏ１、Ｏ２、…、Ｏｎを得る。
【０００５】次に従来の学習方法について図５を用いて
説明する。同時に、その動作に関するタイミングチャー
トを図６に示す。学習回路１１はニューラルネットワー
ク９の重みや閾値を学習内容に応じて変更していく。パ
ターン発生器１２は教師信号を発生する。光源からは、
図６に示すように、光源側パターンλ１からλ４とし
て、１、０パターンの組み合せによる２4 ＝１６種類の
パターンが繰り返し送出される。この光信号は受光素子
アレイ７によって電気信号に変換された後、プリアンプ
アレイ１３によって増幅されてから、ニューラルネット
ワーク９に入力される。
説明する。同時に、その動作に関するタイミングチャー
トを図６に示す。学習回路１１はニューラルネットワー
ク９の重みや閾値を学習内容に応じて変更していく。パ
ターン発生器１２は教師信号を発生する。光源からは、
図６に示すように、光源側パターンλ１からλ４とし
て、１、０パターンの組み合せによる２4 ＝１６種類の
パターンが繰り返し送出される。この光信号は受光素子
アレイ７によって電気信号に変換された後、プリアンプ
アレイ１３によって増幅されてから、ニューラルネット
ワーク９に入力される。
【０００６】ニューラルネットワーク９ではパターン認
識され、出力信号Ｏｊ（ｊ＝１，２，３，４）として出
力される。この出力信号Ｏｊはシグモイド関数等の緩や
かな識別処理によってアナログの振幅を示す。この出力
信号Ｏｊと教師信号Ｔｊの振幅とを比較し、誤差関数Ｅ
＝Σ（Ｔｊ−Ｏｊ）2 が最小となるようにニューラルネ
ットワークの内部状態（重み、閾値）を徐々に更新する
ことで学習が進行する。
識され、出力信号Ｏｊ（ｊ＝１，２，３，４）として出
力される。この出力信号Ｏｊはシグモイド関数等の緩や
かな識別処理によってアナログの振幅を示す。この出力
信号Ｏｊと教師信号Ｔｊの振幅とを比較し、誤差関数Ｅ
＝Σ（Ｔｊ−Ｏｊ）2 が最小となるようにニューラルネ
ットワークの内部状態（重み、閾値）を徐々に更新する
ことで学習が進行する。
【０００７】比較に際して、教師信号Ｔｊのパターンは
光源から送出された信号パターンと一致させておく必要
がある。例えば、光源側信号λｊが図６中に示した１４
番目のパターンである時、教師信号Ｔｊも１４番目のパ
ターンでなければ、学習の意味がない。ところが、光源
側から信号が送られ始める時には、そのパターンが一致
しているとは限らない。たとえば、図６中では光源側パ
ターンが１４番目の時、教師信号パターンは１１番目の
パターンとなっており、両パターンは一致していない。
光源から送出された信号パターンと一致させておく必要
がある。例えば、光源側信号λｊが図６中に示した１４
番目のパターンである時、教師信号Ｔｊも１４番目のパ
ターンでなければ、学習の意味がない。ところが、光源
側から信号が送られ始める時には、そのパターンが一致
しているとは限らない。たとえば、図６中では光源側パ
ターンが１４番目の時、教師信号パターンは１１番目の
パターンとなっており、両パターンは一致していない。
【０００８】そこで、パターン同期をとる必要が生じ
る。パターン同期は、図５に示すように、リセット信号
でパターン発生器１２をリセットすることにより可能と
なる。リセット信号の発生は本構成例ではＮＡＮＤゲー
ト１５で実現している。すなわち、ＮＡＮＤゲート１５
に１４番目のパターンが入力されると、リセット信号が
発生し、パターン発生器１２は再び０番目のパターンか
ら出力を始める。ＮＡＮＤゲート１５への入力信号は、
ニューラルネットワーク９からの出力信号Ｏｊをクロッ
ク付きの検出器１４で識別再生された信号ＯＴｊを用い
る。再生信号ＯＴｊには、光源からの遅延が生じてお
り、図６中で示した例では、遅延量は１タイムスロット
分となっている。パターン同期がとれた後は、１６パタ
ーンに対する学習が複数回行われ、誤差関数Ｅが予め設
定された値より小さくなると、学習回路１１は学習終了
信号を送出して学習を終了する。
る。パターン同期は、図５に示すように、リセット信号
でパターン発生器１２をリセットすることにより可能と
なる。リセット信号の発生は本構成例ではＮＡＮＤゲー
ト１５で実現している。すなわち、ＮＡＮＤゲート１５
に１４番目のパターンが入力されると、リセット信号が
発生し、パターン発生器１２は再び０番目のパターンか
ら出力を始める。ＮＡＮＤゲート１５への入力信号は、
ニューラルネットワーク９からの出力信号Ｏｊをクロッ
ク付きの検出器１４で識別再生された信号ＯＴｊを用い
る。再生信号ＯＴｊには、光源からの遅延が生じてお
り、図６中で示した例では、遅延量は１タイムスロット
分となっている。パターン同期がとれた後は、１６パタ
ーンに対する学習が複数回行われ、誤差関数Ｅが予め設
定された値より小さくなると、学習回路１１は学習終了
信号を送出して学習を終了する。
【０００９】
【発明が解決しようとする課題】従来の構成では、多重
化信号のＮＡＮＤ処理により学習のためのタイミングを
抽出しているため、全ての波長の信号を同期して送信す
る必要がある。しかしながら、実際の伝送系において
は、全ての波長の信号が同期しているとは限らないの
で、その場合には上述した従来技術を用いることはでき
ない。
化信号のＮＡＮＤ処理により学習のためのタイミングを
抽出しているため、全ての波長の信号を同期して送信す
る必要がある。しかしながら、実際の伝送系において
は、全ての波長の信号が同期しているとは限らないの
で、その場合には上述した従来技術を用いることはでき
ない。
【００１０】そこで、本発明の目的は、多重化信号が同
期していない場合にも適用できる光受信器の学習方法お
よび装置を提供することにある。
期していない場合にも適用できる光受信器の学習方法お
よび装置を提供することにある。
【００１１】
【課題を解決するための手段】上記の課題を解決するた
めに、請求項１記載の発明は、波長の違いを光の空間的
強度分布に変換する光変換デバイスと、ニューラルネッ
トワークを含み、空間的強度分布を認識して出力を取り
出すパターン認識手段とを有する光受信器の学習装置で
あって、前記光変換デバイスからの波長毎の受信信号強
度分布を読み取る手段と、その波長毎の受信信号強度分
布を合成して前記ニューラルネットワークが学習すべき
入力パターンを生成する手段と、当該生成された入力パ
ターンを教師パターンと比較して学習を行い、その学習
結果に応じて前記ニューラルネットワークのパラメータ
を修正する学習回路と、学習終了時に前記光変換デバイ
スの出力を前記パターン認識手段に供給可能とする手段
とを具えたことを特徴とする。
めに、請求項１記載の発明は、波長の違いを光の空間的
強度分布に変換する光変換デバイスと、ニューラルネッ
トワークを含み、空間的強度分布を認識して出力を取り
出すパターン認識手段とを有する光受信器の学習装置で
あって、前記光変換デバイスからの波長毎の受信信号強
度分布を読み取る手段と、その波長毎の受信信号強度分
布を合成して前記ニューラルネットワークが学習すべき
入力パターンを生成する手段と、当該生成された入力パ
ターンを教師パターンと比較して学習を行い、その学習
結果に応じて前記ニューラルネットワークのパラメータ
を修正する学習回路と、学習終了時に前記光変換デバイ
スの出力を前記パターン認識手段に供給可能とする手段
とを具えたことを特徴とする。
【００１２】請求項２記載の発明は、前記パターン認識
手段におけるニューラルネットワークと前記学習回路と
によって学習を行い、前記ニューラルネットワークのパ
ラメータを修正することを特徴とする。
手段におけるニューラルネットワークと前記学習回路と
によって学習を行い、前記ニューラルネットワークのパ
ラメータを修正することを特徴とする。
【００１３】請求項３記載の発明は、波長の違いを光の
空間的強度分布に変換する光変換デバイスと、ニューラ
ルネットワークを含み、空間的強度分布を認識して出力
を取り出すパターン認識手段とを有する光受信器の学習
方法であって、前記光変換デバイスからの波長毎の受信
信号強度分布を読み取り、その波長毎の受信信号強度分
布の合成により前記ニューラルネットワークが学習すべ
き入力パターンを生成し、学習を行うことを特徴とす
る。
空間的強度分布に変換する光変換デバイスと、ニューラ
ルネットワークを含み、空間的強度分布を認識して出力
を取り出すパターン認識手段とを有する光受信器の学習
方法であって、前記光変換デバイスからの波長毎の受信
信号強度分布を読み取り、その波長毎の受信信号強度分
布の合成により前記ニューラルネットワークが学習すべ
き入力パターンを生成し、学習を行うことを特徴とす
る。
【００１４】
【作用】本発明によれば、波長毎に伝送された信号の強
度分布をサンプリングしてメモリへ格納する。それら波
長毎の強度分布を学習パターン発生部に供給し、それら
強度分布を合成して学習パターンを形成する。学習は伝
送とは独立に行われ、伝送速度には依存しない。したが
って、多重化された信号は同期している必要がない。
度分布をサンプリングしてメモリへ格納する。それら波
長毎の強度分布を学習パターン発生部に供給し、それら
強度分布を合成して学習パターンを形成する。学習は伝
送とは独立に行われ、伝送速度には依存しない。したが
って、多重化された信号は同期している必要がない。
【００１５】
【実施例】以下、図面を参照して本発明の実施例を詳細
に説明する。
に説明する。
【００１６】本発明の第１の実施例を図１に示す。図２
には学習時のタイミングチャートを示す。ここで、２１
は受光素子アレイ、２２はプリアンプアレイ、２３は入
力信号制御部、２４はタイミング抽出部、２５はサンプ
ル部、２６はメモリ部、２７は学習パターン発生部、２
８は教師信号発生部、２９はたとえば学習専用ハードウ
ェアによる学習回路、３０はニューラルネットワークで
ある。波長の変化を光空間分布に変換する光変換部（た
とえば図４参照）を通過した光は受光素子アレイ２１に
よって受光され、光の強度分布に応じた電気信号を出力
する。受光素子アレイ２１からの電気信号はプリアンプ
アレイ２２で増幅される。
には学習時のタイミングチャートを示す。ここで、２１
は受光素子アレイ、２２はプリアンプアレイ、２３は入
力信号制御部、２４はタイミング抽出部、２５はサンプ
ル部、２６はメモリ部、２７は学習パターン発生部、２
８は教師信号発生部、２９はたとえば学習専用ハードウ
ェアによる学習回路、３０はニューラルネットワークで
ある。波長の変化を光空間分布に変換する光変換部（た
とえば図４参照）を通過した光は受光素子アレイ２１に
よって受光され、光の強度分布に応じた電気信号を出力
する。受光素子アレイ２１からの電気信号はプリアンプ
アレイ２２で増幅される。
【００１７】ここで、学習を行う場合には、プリアンプ
アレイ２２からの出力信号を入力信号制御部２３に入力
する。入力信号制御部２３はタイミング抽出部２４、サ
ンプル部２５およびメモリ部２６から構成され、入力信
号のクロック信号を抽出して、そのクロック信号に基づ
いてサンプリングを行い、伝送されてくる信号光強度分
布をサンプリングする。そのサンプリングされた強度分
布をメモリ部２６に格納する。
アレイ２２からの出力信号を入力信号制御部２３に入力
する。入力信号制御部２３はタイミング抽出部２４、サ
ンプル部２５およびメモリ部２６から構成され、入力信
号のクロック信号を抽出して、そのクロック信号に基づ
いてサンプリングを行い、伝送されてくる信号光強度分
布をサンプリングする。そのサンプリングされた強度分
布をメモリ部２６に格納する。
【００１８】図２に示した例では、４波多重信号を分波
するための学習タイミングチャートを示している。
するための学習タイミングチャートを示している。
【００１９】学習時には、波長多重を行わず、それぞれ
の光源から時分割で光信号を送信するか、あるいは受光
素子アレイ２１で特定の波長の信号のみを受信するな
ど、特定の波長の信号のみが入力信号制御部２３に入力
するようにする。まず、波長λ１の信号のみを受信し、
波長λ１についてタイミング抽出、サンプリング、メモ
リ部２６への格納を行う。この作業が終了したら、波長
λ２、λ３、λ４についても同様の処理をする。
の光源から時分割で光信号を送信するか、あるいは受光
素子アレイ２１で特定の波長の信号のみを受信するな
ど、特定の波長の信号のみが入力信号制御部２３に入力
するようにする。まず、波長λ１の信号のみを受信し、
波長λ１についてタイミング抽出、サンプリング、メモ
リ部２６への格納を行う。この作業が終了したら、波長
λ２、λ３、λ４についても同様の処理をする。
【００２０】すべての波長の信号の強度分布を検出した
後、メモリ部２６に格納されている４つのデータから学
習パターン発生部２７において、２4 ＝１６通りの学習
パターンを生成する。学習パターンＩ１〜Ｉ４が生成で
きたら、教師信号発生部２８により発生される教師信号
パターンとともに学習回路２９に入力される。学習回路
２９は、この実施例の場合、コンピュータによるシミュ
レータ等を想定しており、学習回路２９の内部でニュー
ラルネットワーク３０の内部状態をシミュレートしてい
る。ニューラルネットワーク３０からの出力信号と教師
信号との関係がある条件を満たす場合、たとえばΣ（Ｏ
ｊ−Ｔｊ）2 が０．５以下等（Ｏｊ：ニューラルネット
ワークの出力信号、Ｔｊ：教師信号）の場合に学習が終
了したとみなす。
後、メモリ部２６に格納されている４つのデータから学
習パターン発生部２７において、２4 ＝１６通りの学習
パターンを生成する。学習パターンＩ１〜Ｉ４が生成で
きたら、教師信号発生部２８により発生される教師信号
パターンとともに学習回路２９に入力される。学習回路
２９は、この実施例の場合、コンピュータによるシミュ
レータ等を想定しており、学習回路２９の内部でニュー
ラルネットワーク３０の内部状態をシミュレートしてい
る。ニューラルネットワーク３０からの出力信号と教師
信号との関係がある条件を満たす場合、たとえばΣ（Ｏ
ｊ−Ｔｊ）2 が０．５以下等（Ｏｊ：ニューラルネット
ワークの出力信号、Ｔｊ：教師信号）の場合に学習が終
了したとみなす。
【００２１】学習が終了した場合には、重みや閾値を学
習回路２９からニューラルネットワーク３０にロードす
る。重みや閾値がニューラルネットワーク３０にロード
された時点で、分波機能を有する光受信器として動作す
る。すなわち、学習終了後はプリアンプアレイ２２の出
力信号を、図１に点線で示すように、直接にニューラル
ネットワーク３０に入力する。
習回路２９からニューラルネットワーク３０にロードす
る。重みや閾値がニューラルネットワーク３０にロード
された時点で、分波機能を有する光受信器として動作す
る。すなわち、学習終了後はプリアンプアレイ２２の出
力信号を、図１に点線で示すように、直接にニューラル
ネットワーク３０に入力する。
【００２２】以上説明したように、本実施例では、個々
の波長毎に信号強度分布をサンプリングし、その信号の
合成によりニューラルネットワーク３０への入力パター
ンを生成しているため、波長多重信号の同期をとる必要
がない。また、ニューラルネットワーク３０の学習を伝
送信号に同期させる必要もなく、専用シミュレータ等を
用いて高速に学習することができる。
の波長毎に信号強度分布をサンプリングし、その信号の
合成によりニューラルネットワーク３０への入力パター
ンを生成しているため、波長多重信号の同期をとる必要
がない。また、ニューラルネットワーク３０の学習を伝
送信号に同期させる必要もなく、専用シミュレータ等を
用いて高速に学習することができる。
【００２３】図３は本発明の第２の実施例を示してい
る。ここで、３１は受光素子アレイ、３２はプリアンプ
アレイ、３３は入力信号制御部、３４はタイミング抽出
部、３５はサンプル部、３６はメモリ部、３７は学習パ
ターン発生部、３８は教師パターン発生部、３９は学習
回路、４０はニューラルネットワークである。ここで、
第１の実施例と異なるのは、学習回路３９は重みや閾値
の修正のみを行い、ニューラルネットワーク４０として
の動作をシミュレートしていない点である。学習回路３
９として、宮尾他により提案されている多周波振動学習
法に基づく学習回路を用いることができる（参考文献、
１９９２電子情報通信学会春期全国大会、ＳＤ−２−
６、多周波振動法に基づくアナログニューラルネットワ
ーク高速学習実験）。
る。ここで、３１は受光素子アレイ、３２はプリアンプ
アレイ、３３は入力信号制御部、３４はタイミング抽出
部、３５はサンプル部、３６はメモリ部、３７は学習パ
ターン発生部、３８は教師パターン発生部、３９は学習
回路、４０はニューラルネットワークである。ここで、
第１の実施例と異なるのは、学習回路３９は重みや閾値
の修正のみを行い、ニューラルネットワーク４０として
の動作をシミュレートしていない点である。学習回路３
９として、宮尾他により提案されている多周波振動学習
法に基づく学習回路を用いることができる（参考文献、
１９９２電子情報通信学会春期全国大会、ＳＤ−２−
６、多周波振動法に基づくアナログニューラルネットワ
ーク高速学習実験）。
【００２４】受光素子アレイ３１により光−電気変換さ
れた信号はプリアンプアレイ３２に入力され、増幅され
る。プリアンプアレイ３２の出力信号は入力信号制御部
３３においてタイミング抽出、サンプリング、メモリ部
３６への格納がなされる。学習パターン発生部３７でニ
ューラルネットワーク４０への入力パターンを生成す
る。ニューラルネットワーク４０の出力、中間層での重
みや閾値を学習回路３９に送り、ここで、教師信号との
比較を行い、評価関数が小さくなるように、重みや閾値
を修正して、ニューラルネットワーク４０へ送り返す。
この作業を繰り返し、評価関数がある設定された値より
も小さくなった場合に学習終了となる。学習終了後はプ
リアンプアレイ３２の出力信号を、図３に点線で示すよ
うに、直接にニューラルネットワーク４０に入力する。
なお、伝送されてくる波長多重信号は同期が取れている
必要はない。
れた信号はプリアンプアレイ３２に入力され、増幅され
る。プリアンプアレイ３２の出力信号は入力信号制御部
３３においてタイミング抽出、サンプリング、メモリ部
３６への格納がなされる。学習パターン発生部３７でニ
ューラルネットワーク４０への入力パターンを生成す
る。ニューラルネットワーク４０の出力、中間層での重
みや閾値を学習回路３９に送り、ここで、教師信号との
比較を行い、評価関数が小さくなるように、重みや閾値
を修正して、ニューラルネットワーク４０へ送り返す。
この作業を繰り返し、評価関数がある設定された値より
も小さくなった場合に学習終了となる。学習終了後はプ
リアンプアレイ３２の出力信号を、図３に点線で示すよ
うに、直接にニューラルネットワーク４０に入力する。
なお、伝送されてくる波長多重信号は同期が取れている
必要はない。
【００２５】
【発明の効果】以上説明したように、本発明によれば、
学習を行うためのパターンは波長毎にサンプリングされ
た信号の合成によって生成されるのであって、伝送され
てくる信号から得るのではない。従って、本発明によれ
ば、伝送信号の同期が取れている必要がない。しかもま
た、本発明では、学習速度が伝送信号のクロックに制限
されないため自由度が大きくなる。
学習を行うためのパターンは波長毎にサンプリングされ
た信号の合成によって生成されるのであって、伝送され
てくる信号から得るのではない。従って、本発明によれ
ば、伝送信号の同期が取れている必要がない。しかもま
た、本発明では、学習速度が伝送信号のクロックに制限
されないため自由度が大きくなる。
【図１】本発明の第１の実施例を示すブロック図であ
る。
る。
【図２】本発明の第１の実施例における学習動作説明用
のタイミングチャートである。
のタイミングチャートである。
【図３】本発明の第２の実施例を示すブロック図であ
る。
る。
【図４】従来の光受信器の構成例を示す構成図である。
【図５】従来のニューラルネットワークの学習装置の一
例を示すブロック図である。
例を示すブロック図である。
【図６】従来例におけるニューラルネットワークの動作
説明用タイミングチャートである。
説明用タイミングチャートである。
１ 光ファイバ ２ 入射側レンズ ３ 波長多重信号光 ４ バルク形回折格子 ５ 回折出力光 ６ 出射側レンズ ７ 受光素子アレイ ８ 電気信号 ９ ニューラルネットワーク １０ 出力ポート １１ 学習回路 １２ パターン発生器 １３ プリアンプアレイ １４ 検出器 １５ ＮＡＮＤゲート ２１ 受光素子アレイ ２２ プリアンプアレイ ２３ 入力信号制御部 ２４ タイミング抽出部 ２５ サンプル部 ２６ メモリ部 ２７ 学習パターン発生部 ２８ 教師信号発生部 ２９ 学習回路 ３０ ニューラルネットワーク ３１ 受光素子アレイ ３２ プリアンプアレイ ３３ 入力信号制御部 ３４ タイミング抽出部 ３５ サンプル部 ３６ メモリ部 ３７ 学習パターン発生部 ３８ 教師パターン発生部 ３９ 学習回路 ４０ ニューラルネットワーク
Claims (3)
- 【請求項１】 波長の違いを光の空間的強度分布に変換
する光変換デバイスと、ニューラルネットワークを含
み、空間的強度分布を認識して出力を取り出すパターン
認識手段とを有する光受信器の学習装置であって、 前記光変換デバイスからの波長毎の受信信号強度分布を
読み取る手段と、 その波長毎の受信信号強度分布を合成して前記ニューラ
ルネットワークが学習すべき入力パターンを生成する手
段と、 当該生成された入力パターンを教師パターンと比較して
学習を行い、その学習結果に応じて前記ニューラルネッ
トワークのパラメータを修正する学習回路と、 学習終了時に前記光変換デバイスの出力を前記パターン
認識手段に供給可能とする手段とを具えたことを特徴と
する光受信器の学習装置。 - 【請求項２】 前記パターン認識手段におけるニューラ
ルネットワークと前記学習回路とによって学習を行い、
前記ニューラルネットワークのパラメータを修正するこ
とを特徴とする請求項１記載の光受信器の学習装置。 - 【請求項３】 波長の違いを光の空間的強度分布に変換
する光変換デバイスと、ニューラルネットワークを含
み、空間的強度分布を認識して出力を取り出すパターン
認識手段とを有する光受信器の学習方法であって、前記
光変換デバイスからの波長毎の受信信号強度分布を読み
取り、その波長毎の受信信号強度分布の合成により前記
ニューラルネットワークが学習すべき入力パターンを生
成し、学習を行うことを特徴とする光受信器の学習方
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4208040A JPH0652138A (ja) | 1992-08-04 | 1992-08-04 | 光受信器の学習方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4208040A JPH0652138A (ja) | 1992-08-04 | 1992-08-04 | 光受信器の学習方法および装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0652138A true JPH0652138A (ja) | 1994-02-25 |
Family
ID=16549655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4208040A Pending JPH0652138A (ja) | 1992-08-04 | 1992-08-04 | 光受信器の学習方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0652138A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6721443B1 (en) * | 1999-10-20 | 2004-04-13 | Tdk Corporation | Method of reading mark and apparatus for the same |
| JP2013546065A (ja) * | 2010-10-29 | 2013-12-26 | インターナショナル・ビジネス・マシーンズ・コーポレーション | シミュレーションを使用して学習されるシナプス重みを用いるニューロモーフィック／シナプトロニック・スパイキング・ニューラル・ネットワークのための方法、デバイス、および回路 |
-
1992
- 1992-08-04 JP JP4208040A patent/JPH0652138A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6721443B1 (en) * | 1999-10-20 | 2004-04-13 | Tdk Corporation | Method of reading mark and apparatus for the same |
| JP2013546065A (ja) * | 2010-10-29 | 2013-12-26 | インターナショナル・ビジネス・マシーンズ・コーポレーション | シミュレーションを使用して学習されるシナプス重みを用いるニューロモーフィック／シナプトロニック・スパイキング・ニューラル・ネットワークのための方法、デバイス、および回路 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108446631A (zh) | 基于卷积神经网络的深度学习的智能频谱图分析方法 | |
| US5365344A (en) | System for transmitting data using wavelength division multiplexing | |
| CA2148340C (en) | Method and apparatus for automatically and reproducibly rating the transmission quality of a speech transmission system | |
| RU2288454C2 (ru) | Устройство и способ для детектирования и определения характеристик импульсов | |
| NL8802291A (nl) | Inrichting voor het verzenden van datawoorden welke een gedigitaliseerde analoog signaal vertegenwoordigen en een inrichting voor het ontvangen van de verzonden datawoorden. | |
| WO2020020991A1 (en) | Space division multiplexing method and system using speckle pattern recognition in multi-mode optical fibres | |
| JP2002135209A (ja) | 光信号プロセッサ | |
| NO961234L (no) | Optisk telekommunikasjonsmetode for tilveiebringelse av en sendende og en mottakende tjenestekanal | |
| JPH0652138A (ja) | 光受信器の学習方法および装置 | |
| EP0395060A2 (en) | Optical receiver | |
| US5877999A (en) | Method and apparatus of interrogating a distributed undersea optical surveillance system | |
| JPH0667242A (ja) | 光受信器の学習方法および装置 | |
| JP4239751B2 (ja) | ビットインターリーブ直交偏波多重信号光の光受信方法及び装置 | |
| JP2003115823A (ja) | 低遅延時間の再構成可能なマルチユーザ光通信ネットワーク | |
| JPH08149108A (ja) | ニューラル処理型波長多重光受信器の学習装置 | |
| KR100296385B1 (ko) | 전송 속도 인식방법 및 그 장치 | |
| CN112615677B (zh) | 基于深度学习的非正交波分复用时域鬼成像方法和系统 | |
| JP3521357B2 (ja) | 超高速光パタン識別回路 | |
| JP3717478B2 (ja) | ビット誤り試験方法及び装置 | |
| JPWO2005112332A1 (ja) | 光信号品質監視装置 | |
| JPH02155330A (ja) | 波長多重光信号受信装置 | |
| JPH03179332A (ja) | 光受信器 | |
| JPS6114212Y2 (ja) | ||
| GB2246677A (en) | Synchronous multi-wavelength optical terminal | |
| SU932633A1 (ru) | Устройство цикловой синхронизации многоканальных систем св зи |