声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：34-1163/TN
国际刊号：1007-5461
发布日期:
作者：李天秀,石磊∗,王俊辉,李佳豪
单位：( 空军工程大学信息与导航学院, 陕西 西安 710077 )
关键词：量子光学,空间量子通信,深度学习,神经网络,
基金：Supported by National Natural Science Foundation of China (国家自然科学基金, 61971436)
针对空间量子通信系统中大气信道环境随气象条件实时改变的特性, 提出了基于深度学习的量子信号大气衰减系数预测方法。实验基于西安地区气象数据, 分别使用了误差反向传播神经网络 (BPNN)、长短期记忆网络 (LSTM)、门限循环单元 (GRU) 三种神经网络模型进行数据预测, 并进行了分析比较。结果表明三种神经网络模型均可以有效实现预测, 并能达到 80% 的数据拟合度, 其中 LSTM 和 GUR 网络的整体预测能力较强,但三种网络模型均在峰值处产生较大误差。该预测方案为空间量子通信中各类针对大气信道的补偿手段和智能参数优化提供了基础。
来源：2022年第5期
《量子电子学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。