典型文献
基于深度学习的量子信号大气衰减系数预测
文献摘要：
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.
文献关键词：
量子光学;空间量子通信;深度学习;神经网络
中图分类号：
作者姓名：
李天秀;石磊;王俊辉;李佳豪
作者机构：
空军工程大学信息与导航学院,陕西 西安710077
文献出处：
引用格式：
[1]李天秀;石磊;王俊辉;李佳豪-.基于深度学习的量子信号大气衰减系数预测)[J].量子电子学报,2022(05):786-794
A类：
B类：
衰减系数,空间量子通信,通信系统,大气信道,气象条件,西安地区,气象数据,误差反向传播神经网络,BPNN,长短期记忆网络,门限循环单元,GRU,数据预测,数据拟合度,GUR,预测能力,预测方案,量子光学
AB值：
0.304729
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
