基于深度学习的混沌光通信中拍频噪声抑制方法
Abstract
提出了一种基于深度学习的混沌光通信中拍频噪声抑制方法，该方法用于抑制混沌载波在掩盖明文信号过程中产生的拍频噪声干扰问题。针对不同掩盖系数下的数据特性，生成了包含多种拍频噪声干扰的训练数据集来离线训练深度神经网络模型。通过优化参数来提升模型的特征提取与信号恢复能力。研究结果表明，模型能够有效识别并恢复因拍频噪声干扰而失真的解密信号，眼图质量显著改善。与经过均衡器处理相比，掩盖系数的最小值从0.5降低至0.3，拓宽了掩盖系数的动态范围。在0.3~1的范围内，误码率低于硬判决前向纠错阈值的同时，整体误码性能优于经过均衡器处理的解密结果，其中，在0.3~0.6的范围内，误码率降幅可达一个数量级，显著提高了解密信号恢复质量和系统鲁棒性。
Fields of Study & Subjects
Chaos-based Image/Signal Encryption
Optical Network Technologies
Optical Wireless Communication Technologies
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 1
- Pages
- 0106009–0106009
- Publication date
- 1 January 2026
- Language
- EN