典型文献
基于深度学习的多通道光纤数据安全融合方法
文献摘要：
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130ms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.
文献关键词：
深度学习;多通道;光纤数据;安全融合;抗干扰
中图分类号：
作者姓名：
乔艳琰;魏爽
作者机构：
三亚学院,海南三亚 572000
文献出处：
引用格式：
[1]乔艳琰;魏爽-.基于深度学习的多通道光纤数据安全融合方法)[J].激光杂志,2022(11):99-103
A类：
130ms
B类：
多通道,道光,光纤数据,数据安全融合,融合方法,融合模型,洗去,去噪,集成建模,建模能力,数间,样模,结构重构,门限,子实,数据接收,接收端,干扰抑制,干扰功率,检测能力,深层特征,特征信息,过程融合,数据融合,收敛效果,误码率,层次聚类,抗干扰性
AB值：
0.244896
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。
