科研之友
微信
新浪微博
Facebook
分享链接
摘要
构建多通道光纤数据安全融合模型，提高光纤数据的清洗去噪、集成建模能力，提出基于深度学习的多通道光纤数据安全融合方法。建立多通道光纤数据的分数间隔均衡采样模型，结合对数据的结构重构输出，通过劣特征提取的方法实现对多通道光纤数据的滤波清洗，利用提前设置的门限因子实现对数据接收端的干扰抑制，在相同干扰功率下提高多通道光纤数据的滤波检测能力，采用深度学习的方法挖掘光纤数据的深层特征信息，实现基于深度学习的多通道光纤数据全过程融合。测试结果表明，应用本方法后，随着融合深度r值的不断提升，来自不同通道的光纤数据融合的收敛效果越来越佳，且其误码率仅为0.005 2,精确度在98%以上，平均单次耗时均在130 ms以下，本方法提高了多通道光纤数据融合的层次聚类性较好，抗干扰性较强，具有较低的误码率和较高的精确度。
- 单位
