陳萃紅

摘 要：在我國(guó)當(dāng)下的光纖通信系統(tǒng)中，光纖是光波的主要傳輸介質(zhì)。因此，光纖材料的傳導(dǎo)性能對(duì)以光纖為主的通信系統(tǒng)的傳輸質(zhì)量有著十分重要的影響。目前國(guó)內(nèi)有著多種多樣的光纖，截至目前在對(duì)光纖材料的傳導(dǎo)性能進(jìn)行評(píng)估時(shí)，我們已經(jīng)掌握的評(píng)估方法有很多，不同的方法能夠從不同側(cè)重方面對(duì)光纖材料的傳導(dǎo)性能進(jìn)行評(píng)估。本文主要通過波動(dòng)理論及射線光學(xué)理論對(duì)光纖中的模式和傳光原理進(jìn)行分析，再根據(jù)基于神經(jīng)網(wǎng)絡(luò)算法來對(duì)檢測(cè)結(jié)果進(jìn)行深度分析。

關(guān)鍵詞：光纖材料；神經(jīng)網(wǎng)絡(luò)；傳導(dǎo)性能

一、引言

隨著我國(guó)進(jìn)入信息化時(shí)代以來，通信系統(tǒng)得了長(zhǎng)期有效的發(fā)展，從而通信系統(tǒng)的快速發(fā)展也帶動(dòng)了光纖材料的發(fā)展。在光纖通信系統(tǒng)中，光纖材料的傳導(dǎo)性能將會(huì)從很大程度上決定通信系統(tǒng)的傳輸質(zhì)量。因此，光纖材料的傳導(dǎo)性能質(zhì)量也就直接影響到國(guó)家的通信網(wǎng)絡(luò)系統(tǒng)的發(fā)展和工業(yè)生產(chǎn)活動(dòng)的發(fā)展。在對(duì)光纖材料的傳導(dǎo)性能進(jìn)行評(píng)估的過程中，我們需要對(duì)光纖材料的多項(xiàng)物理指標(biāo)進(jìn)行檢測(cè)。另一方面，我國(guó)目前的光纖材料領(lǐng)域發(fā)展十分迅速，如何在國(guó)家的國(guó)防通信領(lǐng)域和工業(yè)通信領(lǐng)域更好地使用具有高效率傳導(dǎo)性能的光纖，是一件很有重大意義的事情。

目前國(guó)內(nèi)在對(duì)光纖材料的傳導(dǎo)性能進(jìn)行檢測(cè)的方法多為物理層面的，物理層面的檢測(cè)方法雖然較為有效，但是均為傳統(tǒng)的檢測(cè)方法，無法更好地對(duì)檢測(cè)數(shù)據(jù)進(jìn)行深度挖掘和智能化地分析。因此，如何從物理檢測(cè)方法對(duì)光纖材料的傳導(dǎo)性能進(jìn)行檢測(cè)，并且通過智能算法對(duì)檢測(cè)結(jié)果進(jìn)行信息挖掘，這也是目前國(guó)內(nèi)外多個(gè)學(xué)者所研究的主要方向之一。本文講述了一種基于神經(jīng)網(wǎng)絡(luò)算法的光纖材料傳導(dǎo)性能研究方法。

二、基于神經(jīng)網(wǎng)絡(luò)算法的光纖材料的傳導(dǎo)性能研究

2.1光纖材料的基本簡(jiǎn)介及光在光纖材料中的傳導(dǎo)原理

光纖的基本結(jié)構(gòu)有以下幾部分組成：折射率（n1）較高的纖芯部分、折射率（n2）較低的包層部分以及表面涂覆層[1]，在常見的光纖材料中，為了更好地保護(hù)光纖，使其傳導(dǎo)性能不受外界的破壞，在涂覆層外一般會(huì)有二次涂覆層（又稱塑料套管）。

光纖的分類并不是統(tǒng)一化的，而是按照不同的分類方法進(jìn)行分類。例如可以從折射率分布對(duì)光纖進(jìn)行分類，可以把光纖分為階躍型和漸變型；也可以從二次涂覆層結(jié)構(gòu)對(duì)光纖進(jìn)行分類，把光纖分為緊套結(jié)構(gòu)型和松套結(jié)構(gòu)型；還可以從傳導(dǎo)模式對(duì)光纖進(jìn)行分類，分為單模光纖和多模光纖。

我們?cè)趯?duì)光波在光纖中傳輸過程進(jìn)行分析可應(yīng)用兩種理論，分別是波動(dòng)理論和射線理論。波動(dòng)理論主要是分析了光波在階躍折射率光纖中傳播的模式特性，屬于一種定量性的分析，這種分析方法誤差較小，但是其整體過程卻并不簡(jiǎn)便直觀。與波動(dòng)理論不同的是，射線理論在分析光纖材料的傳導(dǎo)性能時(shí)，采用的是一種近似的分析方法，屬于一種定性分析的方法，這種方法雖然精確度不是很高，但是整體過程卻十分簡(jiǎn)單直觀，利用射線分析方法，可以較為直觀地對(duì)光纖的傳光原理進(jìn)行說明，光在光纖材料中的傳光原理.

2.2神經(jīng)網(wǎng)絡(luò)算法對(duì)光纖材料的傳導(dǎo)性能分析的基本原理

典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是一種具有三層或三層以上結(jié)構(gòu)的無反饋的、層內(nèi)無互連結(jié)構(gòu)的前向網(wǎng)絡(luò)，其中首尾兩層分別稱為輸入層和輸出層，中間各層為隱含層（也稱中間層）。神經(jīng)網(wǎng)絡(luò)中各層之間的神經(jīng)元為全連接關(guān)系，層內(nèi)的各個(gè)神經(jīng)元之間無連接。我國(guó)當(dāng)下多個(gè)行業(yè)中所運(yùn)用的神經(jīng)網(wǎng)絡(luò)算法是依據(jù)人體的神經(jīng)元整體結(jié)構(gòu)和大腦對(duì)神經(jīng)元直接的雙向調(diào)節(jié)和自動(dòng)處理而形成的一種具有“人體生物特征”的智能算法。當(dāng)我們通過這種針對(duì)具有多個(gè)神經(jīng)元結(jié)構(gòu)（突觸）特征的單個(gè)神經(jīng)元結(jié)構(gòu)進(jìn)行隨機(jī)處理，即對(duì)光纖材料的物理屬性的數(shù)據(jù)耦合分析以及多個(gè)傳導(dǎo)性能指標(biāo)組合的向量化處理，達(dá)到對(duì)多種光纖材料傳導(dǎo)性能的歸一化分析。從總的數(shù)據(jù)結(jié)果中找到與標(biāo)準(zhǔn)數(shù)據(jù)組（傳導(dǎo)性能優(yōu)良的光纖材料的物理屬性數(shù)據(jù)）匹配度高的多項(xiàng)數(shù)據(jù)組，則這些數(shù)據(jù)組被選中進(jìn)行二次或者多次優(yōu)先匹配的概率就大，反之檢測(cè)結(jié)果匹配度低的數(shù)據(jù)組被選中進(jìn)行二次或者多次歸一化處理的概率就會(huì)很低。多次對(duì)比分析產(chǎn)生的新一代具有標(biāo)準(zhǔn)化物理屬性數(shù)據(jù)特征的光纖材料不僅繼承了上一輪智能篩選之后的結(jié)果，而且其傳導(dǎo)性能優(yōu)良程度還優(yōu)于標(biāo)準(zhǔn)組。這樣經(jīng)過幾次雙向信息交互循環(huán)聚類處理之后，最終篩選出傳導(dǎo)性能符合要求的光纖材料。如此一來，不僅能夠判斷出到不同類型的光纖的傳導(dǎo)性能，還可以對(duì)傳導(dǎo)性能優(yōu)良的光纖尋找相同特征，甚至可以進(jìn)行反向分析，從而對(duì)不同光纖材料的傳導(dǎo)性能優(yōu)良程度進(jìn)行預(yù)測(cè)。

2.3基于神經(jīng)網(wǎng)絡(luò)算法的光纖材料的傳導(dǎo)性能研究的實(shí)現(xiàn)過程

由于神經(jīng)網(wǎng)絡(luò)算法會(huì)隨著誤差反向傳播不斷的進(jìn)行修正，從而不斷提高對(duì)目標(biāo)光纖材料識(shí)別的正確率，因此，本神經(jīng)網(wǎng)絡(luò)算法采用的循環(huán)評(píng)估方法是誤差反向傳播算法，它是一種誤差函數(shù)按梯度下降的算法。在具體實(shí)現(xiàn)過程中，在神經(jīng)網(wǎng)絡(luò)算法下，首先會(huì)利用已有的光纖材料傳導(dǎo)性能數(shù)據(jù)庫(kù)信息進(jìn)行聚類處理得到所需要的目標(biāo)光纖的傳導(dǎo)性能指標(biāo)數(shù)據(jù)的具體數(shù)值范圍，再利用神經(jīng)網(wǎng)絡(luò)算法在待檢測(cè)光纖樣本中進(jìn)行具體地歸類處理，最終得到傳導(dǎo)性能優(yōu)良度高的最優(yōu)解搜索，進(jìn)而篩選出存在傳導(dǎo)性能符合要求的光纖材料。

本文所使用的基于神經(jīng)網(wǎng)絡(luò)算法的光纖材料傳導(dǎo)性能檢測(cè)模型可以將傳統(tǒng)的光纖傳導(dǎo)性能檢測(cè)方法與現(xiàn)有的人工智能化數(shù)據(jù)分析方法相結(jié)合，并且根據(jù)影響傳導(dǎo)性能的物理屬性進(jìn)行不同程度的權(quán)重分析處理，這樣一來，在實(shí)驗(yàn)過程中對(duì)不同光纖材料傳導(dǎo)性能的優(yōu)良程度的誤差則會(huì)大大降低。

2.4基于神經(jīng)網(wǎng)絡(luò)算法的光纖材料傳導(dǎo)性能研究過程的數(shù)學(xué)分析

本基于神經(jīng)網(wǎng)絡(luò)算法的光纖材料傳導(dǎo)性能檢測(cè)模型是采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行自我循環(huán)式檢測(cè)的，各個(gè)處理單元的閾值 是為模擬生物神經(jīng)元的動(dòng)作電位設(shè)置的，其相關(guān)的Sigmoid函數(shù)的一階導(dǎo)數(shù)為：

將第一批目標(biāo)光纖樣本的分析結(jié)果進(jìn)行歸一化處理，其歸一化方程為：

其中x是處理前的值，y是處理后的值，Xmin是樣本最小值，Xmax是樣本最大值。將輸入層數(shù)據(jù)導(dǎo)入隱藏層第一個(gè)神經(jīng)節(jié)點(diǎn)內(nèi)進(jìn)行運(yùn)算：

其中Wij是權(quán)重，0.1θj是偏倚，0.2f（x）是激活函數(shù)X1=0，X2=0.08。

三、結(jié)束語

本文主要研究了光纖材料的傳導(dǎo)性能，采用了基于神經(jīng)網(wǎng)絡(luò)算法與物理分析相結(jié)合的研究方法，并且對(duì)該研究方法的基本原理和基本實(shí)現(xiàn)步驟進(jìn)行了簡(jiǎn)述。本研究中的所采用的分析模型能夠?qū)Σ煌墓饫w樣本的傳導(dǎo)性能的不同檢測(cè)指標(biāo)進(jìn)行智能分析，并且能夠在一定程度上對(duì)新型光纖材料的傳導(dǎo)性能的優(yōu)良程度進(jìn)行預(yù)測(cè)。

參考文獻(xiàn)

[1]張立永.國(guó)內(nèi)外光纖技術(shù)研究進(jìn)展[A].中國(guó)電子材料行業(yè)協(xié)會(huì).光纖材料產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟（試點(diǎn)）推進(jìn)暨學(xué)術(shù)研討會(huì)論文集[C].中國(guó)電子材料行業(yè)協(xié)會(huì)：，2012：18.

[2]余重秀.光子晶體光纖非線性研究的新進(jìn)展[A].中國(guó)電子材料行業(yè)協(xié)會(huì).光纖材料產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟（試點(diǎn)）推進(jìn)暨學(xué)術(shù)研討會(huì)論文集[C].中國(guó)電子材料行業(yè)協(xié)會(huì)：，2012：11.

[3]劉蕾.長(zhǎng)周期光纖光柵的光學(xué)特性分析及飛秒激光制造方法研究[D].中南大學(xué)，2012.

（作者單位：廣東特發(fā)信息光纜有限公司）