基于光子神经网络的信号调制格式识别方法、装置制造方法及图纸

本发明专利技术实施例提供了一种基于光子神经网络的信号调制格式识别方法、装置、电子设备及存储介质，方法包括：获取待识别信号的特征信号，特征信号为对待识别信号采样后得到的；将特征信号输入光子芯片，光子芯片用于完成用于信号调制格式识别的神经网络算法中的线性运算，获取光子芯片进行线性运算后的输出结果，并基于输出结果进行神经网络算法中的非线性运算，得到待识别信号的调制格式。从而不需要使用处理器来处理神经网络中线性运算部分包含的矩阵运算，提高了信号调制格式识别的速度，且由于使用光子芯片进行运算时能耗很小，因此使用这种方法也降低了整个系统的功耗。

【技术实现步骤摘要】
基于光子神经网络的信号调制格式识别方法、装置
本专利技术涉及光通信
，特别是涉及一种基于光子神经网络的信号调制格式识别方法、装置、电子设备及存储介质。
技术介绍
随着互联网技术的快速发展，传统的波长分割复用网络逐渐不能满足业务需求，而现有的灵活光网络能够有效弥补传统网络的不足，提高了传输能力与频谱资源效率。通常将快速调制格式变换引入到灵活光网络中，而随着灵活光网络的快速发展，对于信号调制格式的识别提出了越来越高的要求。通常使用神经网络对信号调制格式进行识别，即将信号经过采样、参数提取后得到的特征参数输入训练好的神经网络，得到信号调制格式。然而，现有的这种识别信号调制格式的方法，在采样及参数提取时需要使用电光或者光电转换，该转换过程耗费了较多时间。并且，目前常用的处理器在处理神经网络中矩阵运算时速度较慢。此外，该方法的功耗也较高。可见，现有的识别信号调制格式的方法速度较慢，且功耗较高。
技术实现思路
本专利技术实施例的目的在于提供一种基于光子神经网络的信号调制格式识别方法、装置、电子设备及存储介质，以解决现有技术中信号调制格式识别方法速度较慢，功耗较高的问题。本专利技术实施例提供了一种基于光子神经网络的信号调制格式识别方法，所述方法包括：获取待识别信号的特征信号，所述特征信号为对所述待识别信号采样后得到的；将所述特征信号输入光子芯片，所述光子芯片用于完成用于信号调制格式识别的神经网络算法中的线性运算，所述神经网络算法为预先根据多个已知调制格式的信号训练完成的；获取所述光子芯片进行线性运算后的输出结果，并基于所述输出结果进行所述神经网络算法中的非线性运算，得到所述待识别信号的调制格式。可选的，所述光子芯片包括马赫-曾德尔干涉仪；采用如下方法确定所述马赫-曾德尔干涉仪的参数值：确定用于信号调制格式识别的神经网络算法中的传输矩阵；将所述传输矩阵分解为酉矩阵与对角矩阵，且所述酉矩阵与所述对角矩阵的乘积为所述传输矩阵；构造多个待求解矩阵，所述待求解矩阵的结构与所述酉矩阵相同，且所述待求解矩阵中四个特定位置的元素为待求解的，除该四个特定位置的其他位置的元素与该其他位置在单位矩阵中的元素相同，且所述四个特定位置的元素包含待求解的相位参数；基于所述酉矩阵右乘所述多个待求解矩阵得到单位矩阵的关系式，求解所述多个待求解矩阵，结果作为辅助矩阵；基于所述辅助矩阵与马赫-曾德尔干涉仪的参数值一一对应的关系，确定每个所述辅助矩阵对应的所述马赫-曾德尔干涉仪的参数值。可选的，所述构造多个待求解矩阵，包括：对于一个N维酉矩阵U(N)，构建N维待求解矩阵Tm,n，其中m,n为正整数，且1≤n<m≤N；其中，所述待求解矩阵Tm,n的第n行第n列的元素为exp(iφm,n)sin(θm,n/2)，第n行第m列的元素为cos(θm,n/2)，第m行第n列的元素为exp(iφm,n)cos(θm,n/2)，第m行第m列的元素为sin(θm,n/2)，φm,n、θm,n为所述待求解矩阵Tm,n的相位参数；所述基于所述酉矩阵右乘所述多个待求解矩阵得到单位矩阵的关系式，求解所述多个待求解矩阵，结果作为辅助矩阵，包括：步骤1：对于所述N维酉矩阵U(N)，按如下公式计算其对应的待求解矩阵TN,N-1、TN,N-2…TN,1，并记TN,N-1、TN,N-2…TN,1为TN；步骤2：在计算出所述待求解矩阵TN,N-1、TN,N-2…TN,1后，按如下公式计算U(N-1)，并在计算得到U(N-1)后，返回步骤1，直至计算出U(1)；其中，U(N-1)为所述N维酉矩阵U(N)对应的N-1维酉矩阵；步骤3，将计算过程中得到的TN、TN-1、TN-2…T2确定为所述N维酉矩阵U(N)的辅助矩阵。可选的，所述基于所述辅助矩阵与马赫-曾德尔干涉仪的参数值一一对应的关系，确定每个所述辅助矩阵对应的所述马赫-曾德尔干涉仪的参数值，包括：将所述辅助矩阵中的相位参数值确定为所述辅助矩阵对应的马赫-曾德尔干涉仪的参数值。本专利技术实施例提供了一种基于光子神经网络的信号调制格式识别装置，所述装置包括：特征信号获取模块，用于获取待识别信号的特征信号，所述特征信号为对所述待识别信号采样后得到的；输入模块，用于将所述特征信号输入光子芯片，所述光子芯片用于完成用于信号调制格式识别的神经网络算法中的线性运算，所述神经网络算法为预先根据多个已知调制格式的信号训练完成的；输出结果获取模块，用于获取所述光子芯片进行线性运算后的输出结果，并基于所述输出结果进行所述神经网络算法中的非线性运算，得到所述待识别信号的调制格式。可选的，所述光子芯片包括马赫-曾德尔干涉仪，所述装置还包括：干涉仪参数值确定模块，用于确定所述马赫-曾德尔干涉仪的参数值；所述干涉仪参数值确定模块，包括：传输矩阵确定模块，用于确定用于信号调制格式识别的神经网络算法中的传输矩阵；矩阵分解模块，用于将所述传输矩阵分解为酉矩阵与对角矩阵，且所述酉矩阵与所述对角矩阵的乘积为所述传输矩阵；矩阵构造模块，用于构造多个待求解矩阵，所述待求解矩阵的结构与所述酉矩阵相同，且所述待求解矩阵中四个特定位置的元素为待求解的，除该四个特定位置的其他位置的元素与该其他位置在单位矩阵中的元素相同，且所述四个特定位置的元素包含待求解的相位参数；矩阵求解模块，用于基于所述酉矩阵右乘所述多个待求解矩阵得到单位矩阵的关系式，求解所述多个待求解矩阵，结果作为辅助矩阵；参数值确定模块，用于基于所述辅助矩阵与马赫-曾德尔干涉仪的参数值一一对应的关系，确定每个所述辅助矩阵对应的所述马赫-曾德尔干涉仪的参数值。可选的，所述矩阵构造模块，具体用于：对于一个N维酉矩阵U(N)，构建N维待求解矩阵Tm,n，其中m,n为正整数，且1≤n<m≤N；其中，所述待求解矩阵Tm,n的第n行第n列的元素为exp(iφm,n)sin(θm,n/2)，第n行第m列的元素为cos(θm,n/2)，第m行第n列的元素为exp(iφm,n)cos(θm,n/2)，第m行第m列的元素为sin(θm,n/2)，φm,n、θm,n为所述待求解矩阵Tm,n的相位参数；所述矩阵求解模块，具体用于，步骤1：对于所述N维酉矩阵U(N)，按如下公式计算其对应的待求解矩阵TN,N-1、TN,N-2…TN,1，并记TN,N-1、TN,N-2…TN,1为TN；步骤2：在计算出所述待求解矩阵TN,N-1、TN,N-2…TN,1后，按如下公式计算U(N-1)，并在计算得到U(N-1)后，返回步骤1，直至计算出U(1)；其中，U(N-1)为所述N维酉矩阵U(N)对应的N-1维酉矩阵；步骤3，将计算过程中得到的TN、TN-1、TN-2…T2确定为所述N维酉矩阵U(N)的辅助矩阵。可选的，所述参数值确定模块，具体用于，将所述辅助矩阵中的相位参数值确定为所述辅助矩阵对应的马赫-曾德尔干涉仪的参数值。可见，本专利技术实施例提供的基于光子神经网络的信号调制格式识别方法、装置，使用光子芯片来完成预先训练好的用于信号调制格式识别的神经网络算法中的线性运算，在线性运算结果的基础上再进行该神经网络算法中的非线性运算，即可得到待识别信号的调制格式。从而不需要使用处理器来处理神经网络中线性运算部分包含的矩阵运算，提高了信号调制格式识本文档来自技高网...

【技术保护点】
1.一种基于光子神经网络的信号调制格式识别方法，其特征在于，所述方法包括：获取待识别信号的特征信号，所述特征信号为对所述待识别信号采样后得到的；将所述特征信号输入光子芯片，所述光子芯片用于完成用于信号调制格式识别的神经网络算法中的线性运算，所述神经网络算法为预先根据多个已知调制格式的信号训练完成的；获取所述光子芯片进行线性运算后的输出结果，并基于所述输出结果进行所述神经网络算法中的非线性运算，得到所述待识别信号的调制格式。

【技术特征摘要】
1.一种基于光子神经网络的信号调制格式识别方法，其特征在于，所述方法包括：获取待识别信号的特征信号，所述特征信号为对所述待识别信号采样后得到的；将所述特征信号输入光子芯片，所述光子芯片用于完成用于信号调制格式识别的神经网络算法中的线性运算，所述神经网络算法为预先根据多个已知调制格式的信号训练完成的；获取所述光子芯片进行线性运算后的输出结果，并基于所述输出结果进行所述神经网络算法中的非线性运算，得到所述待识别信号的调制格式。2.根据权利要求1所述的方法，其特征在于，所述光子芯片包括马赫-曾德尔干涉仪；采用如下方法确定所述马赫-曾德尔干涉仪的参数值：确定用于信号调制格式识别的神经网络算法中的传输矩阵；将所述传输矩阵分解为酉矩阵与对角矩阵，且所述酉矩阵与所述对角矩阵的乘积为所述传输矩阵；构造多个待求解矩阵，所述待求解矩阵的结构与所述酉矩阵相同，且所述待求解矩阵中四个特定位置的元素为待求解的，除该四个特定位置的其他位置的元素与该其他位置在单位矩阵中的元素相同，且所述四个特定位置的元素包含待求解的相位参数；基于所述酉矩阵右乘所述多个待求解矩阵得到单位矩阵的关系式，求解所述多个待求解矩阵，结果作为辅助矩阵；基于所述辅助矩阵与马赫-曾德尔干涉仪的参数值一一对应的关系，确定每个所述辅助矩阵对应的所述马赫-曾德尔干涉仪的参数值。3.根据权利要求2所述的方法，其特征在于，所述构造多个待求解矩阵，包括：对于一个N维酉矩阵U(N)，构建N维待求解矩阵Tm,n，其中m,n为正整数，且1≤n<m≤N；其中，所述待求解矩阵Tm,n的第n行第n列的元素为exp(iφm,n)sin(θm,n/2)，第n行第m列的元素为cos(θm,n/2)，第m行第n列的元素为exp(iφm,n)cos(θm,n/2)，第m行第m列的元素为sin(θm,n/2)，φm,n、θm,n为所述待求解矩阵Tm,n的相位参数；所述基于所述酉矩阵右乘所述多个待求解矩阵得到单位矩阵的关系式，求解所述多个待求解矩阵，结果作为辅助矩阵，包括：步骤1：对于所述N维酉矩阵U(N)，按如下公式计算其对应的待求解矩阵TN,N-1、TN,N-2…TN,1，并记TN,N-1、TN,N-2…TN,1为TN；步骤2：在计算出所述待求解矩阵TN,N-1、TN,N-2…TN,1后，按如下公式计算U(N-1)，并在计算得到U(N-1)后，返回步骤1，直至计算出U(1)；其中，U(N-1)为所述N维酉矩阵U(N)对应的N-1维酉矩阵；步骤3，将计算过程中得到的TN、TN-1、TN-2…T2确定为所述N维酉矩阵U(N)的辅助矩阵。4.根据权利要求3所述的方法，其特征在于，所述基于所述辅助矩阵与马赫-曾德尔干涉仪的参数值一一对应的关系，确定每个所述辅助矩阵对应的所述马赫-曾德尔干涉仪的参数值，包括：将所述辅助矩阵中的相位参数值确定为所述辅助矩阵对应的马赫-曾德尔干涉仪的参数值。5.一种基于光子神经网络的信号调制格式识别装置，其特征在于，所述装置包括：特征信号获取模块，用于获取待识别信号的特征信号，所述特征信号为对所述待识别信号采样后得到的；输入模块，用于将所述特征信号输入光子芯片，所述光子芯片用于完成用于信号调制格式识别的神经网络算法中的线性运算，所述神...

【专利技术属性】
技术研发人员：张天，蓝邱宇翔，戴键，李建强，周月，戴一堂，尹飞飞，徐坤，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11