1.光纤非线性损伤均衡的隐式三元组神经网络，其特征在于：由下式定义：
其中，下标x/y代表x偏振态或y偏振态；
其中，d为时间窗口，且为奇数；时间窗口d均大于或等于1，上标t代表转置；
第s个隐式三元组核函数定义为：
gs(rx/y,k,ry/x,k)＝px/y,s,k(|px/y,s,k|2+|py/x,s,k|2)(2)
其中，
其中，h为共轭转置操作；αs称为第s个隐式三元组核函数的参数矢量；所有隐式三元组核函数的参数矢量和锚权重称为可调参数。
2.权利要求1所述的隐式三元组神经网络依托的光纤非线性损伤均衡方法，其特征在于：包括以下步骤：
步骤一，生成数据集；
其中，数据集包括训练集、验证集以及测试集；
步骤二，优化隐式三元组神经网络，得到最优隐式三元组神经网络；具体包括如下子步骤：
步骤2.1初始化超参数搜索流程，即设置超参数候选集、最大迭代次数、最小优化量、最大忍耐步数、损失函数、梯度优化函数、批处理大小以及分配缓存；
其中，缓存包括损失缓存、超参数缓存、可调参数缓存以及验证结果缓存；
其中，损失缓存初始值为0；
其中，超参数包括时间窗口d、锚点数m以及学习率η；
其中，一组超参数配置，包括时间窗口、锚点数和学习率，记为(d,m,η)，所有待选的超参数配置组成超参数候选集；
其中，损失函数j由下式(4)定义：
其中，n为批处理大小，大于或等于1；ai为本网络的第i个输出符号；si为标签符号流中与ai对应的标签符号；
其中，梯度优化函数为以损失函数关于可调参数的梯度为自变量的函数，记为u(gradθ)；
其中，gradθ为损失函数关于可调参数θ的梯度，θ为锚权重或隐式三元组核函数的权重矢量的某一分量，梯度优化函数为有记忆的或无记忆的有界函数；
其中，可调参数，包括所有隐式三元组核函数的参数矢量和锚权重；
其中，最大迭代次数记为itermax，最小优化量记为imin，迭代次数记为iter；
其中，最小优化量imin大于0；
步骤2.2初始化可调参数迭代流程，具体为：初始化迭代次数iter为0，忍耐步数为0，损失缓存为0；从超参数候选集中选取一组超参数配置并应用，并从超参数候选集中剔除所选超参数配置；
步骤2.3计算损失函数，具体为：从训练集中随机抽取与批处理大小n相同数量的样本送入本网络，得到n个均衡符号，通过式(4)计算损失，并计算优化量i，最后将本次计算出的损失存入损失缓存；其中，优化量i为损失缓存减去损失；
步骤2.4计算步骤2.3中损失函数关于所有可调参数的梯度；
其中，梯度为沃廷格梯度；
步骤2.5更新可调参数θ并将iter加1，具体通过更新公式(5)实现：
θ←θ-ηu(gradθ)(5)
其中，θ为需更新的可调参数；
步骤2.6判断可调参数迭代是否终止,具体为：
2.6a若iter等于itermax，则跳到步骤2.7；
2.6b若iter小于itermax，则进一步判断，具体为：
2.6ba若imin小于或等于i，则跳到步骤2.3；
2.6bb若imin大于i，则忍耐步数加1，并跳到步骤2.6c；
步骤2.6c由忍耐步数判断是否终止可调参数迭代,具体为：
步骤2.6ca若忍耐步数等于最大忍耐步数，则跳到步骤2.7；
步骤2.6cb若忍耐步数小于最大忍耐步数，则跳到步骤2.3；
步骤2.7评估优化结果，具体为：将验证集中所有样本送入本网络，得到均衡后的信号，计算该信号的误码率，作为验证结果存入验证结果缓存并附上编号；将超参数配置存入超参数缓存，并附上与本次验证结果相同的编号；将可调参数存入可调参数缓存，并附上与本次验证结果相同的编号；
步骤2.8依据超参数候选集中元素个数决定是否结束超参数搜索流程,具体为：若超参数候选集中元素个数大于0，则跳到步骤2.2；否则若超参数候选集中元素个数等于0，则结束超参数搜索流程，跳到步骤2.9；
步骤2.9选取最优隐式三元组神经网络，具体为：搜索验证结果缓存中数值最小的验证结果，从超参数缓存和可调参数缓存中分别读取与数值最小的验证结果编号相同的超参数配置和可调参数，得到最优超参数配置和最优可调参数；将最优超参数配置和最优可调参数应用，得到最优隐式三元组神经网络；
步骤三，测试隐式三元组神经网络，具体为：将测试集中的所有样本送入最优隐式三元组神经网络，得到光纤非线性损伤均衡后的信号。
3.根据权利要求1所述的光纤非线性损伤均衡方法，其特征在于：步骤一，具体包括如下子步骤：
步骤1.1生成二进制比特流，即随机生成在x偏振态传输的二进制比特流bx和在y偏振态传输的二进制比特流by；
步骤1.2生成标签符号流，具体为：将步骤1.1生成的bx和by经映射表f分别映射到星座图上，得到在x偏振态传输的标签符号流sx和在y偏振态传输的标签符号流sy；
其中，映射表f由调制格式确定；
步骤1.3获取待处理符号流，生成样本，具体为：步骤1.2生成的标签符号流sx和sy经过光纤通信系统的传输，并经过前置均衡后，得到对应的x偏振态的待处理符号流rx和y偏振态的待处理符号流ry；
一个待处理符号及其对应的标签符号的组合称为样本；
步骤1.4数据集划分，具体为：
按照一定比例随机将样本划分为三份，分别作为训练集、验证集以及测试集。
4.根据权利要求3所述的光纤非线性损伤均衡方法，其特征在于：步骤1.1中二进制比特流bx和by中只包含比特0和比特1。
5.根据权利要求3所述的光纤非线性损伤均衡方法，其特征在于：步骤1.1中，比特0和比特1的出现概率均为50％。
6.根据权利要求3所述的光纤非线性损伤均衡方法，其特征在于：步骤1.3中，前置均衡包括线性均衡或非自适应的光纤非线性损伤均衡。