基于数字残差谱和机器学习的软故障识别实验验证数据集

本论文是提出数字残差谱-神经网络方法提升低冗余弹性光网络中软故障识别的泛化性。首先将实验数据进行IQ补偿、色散补偿后获得的信号数字谱作为原始输入特征，并通过平均大量正常样本数字谱获得标准数字谱，在此基础上计算得到各样本数字残差谱；然后将数字残差谱输入自动编码器，在潜空间中提取所需特征并输入支持向量机进行相应软故障识别。利用可调谐激光器、外部IQ调制器、相干光电探测器、数字信号示波器进行数据采集，采用Matlab、Python软件对采集数据进行处理，通过Python软件做图获得论文中的相关实验结果图片。