用于滤波器组多载波调制光通信系统的K-means非均匀量化算法技术方案

本发明专利技术提出一种用于滤波器组多载波调制光通信系统的K‑means非均匀量化算法，包括：步骤1：将滤波器组多载波调制发射机发送的数据序列输入到数据预处理模块，将生成的向量作为K均值量化模块的输入；步骤2：选取K个向量作为初始量化阶，计算各向量与量化阶向量之间的距离，根据距离将各个向量聚类到距离最小的量化阶向量的集合中，计算量化区间和每个量化区间的中心向量；步骤3：将步骤2产生的中心向量作为距离计算的初始量化阶，迭代步骤2直至收敛，得到K个量化区间和中心向量；步骤4：将步骤3中得到的量化区间和中心向量输出得到量化结果。本发明专利技术所述K‑means非均匀量化算法降低了系统量化误差，提高了系统误码率性能，节省了成本。

K-means Nonuniform Quantization for Multicarrier Modulated Optical Communication Systems with Filter Banks

【技术实现步骤摘要】
用于滤波器组多载波调制光通信系统的K-means非均匀量化算法
本专利技术涉及一种用于滤波器组多载波调制光通信系统的K-means非均匀量化算法。
技术介绍
近年来，随着机器学习、社交网络、云计算等新兴技术的出现，对流量吞吐量和带宽的需求也在快速增长对高光谱效率、低成本的光传输网络提出了更高的要求。基于多载波调制技术的强度调制直接检测技术由于其实现简单、复杂度低，在短距离光纤链路中备受青睐。然而，相比于传统的多载波调制技术如正交频分复用(OFDM)，基于滤波器组的多载波调制信号包括基于滤波器组的多载波(FBMC)，通用滤波器多载波(UFMC)等，在光纤、无线通信系统中得到了广泛的应用。其优点是旁瓣抑制比高，异步传输特性好，不需要循环前缀，频谱效率高，提高了系统对载波间干扰(ICI)的鲁棒性，降低了带外功率泄露功率等。在光传输系统中，高比特分辨率的数字模拟转换器(DAC)是将数字信号转换成电子模拟信号的理想选择。而高分辨率均匀量化DAC的使用会导致非常高的功耗和系统成本，因此需采用一种基于非均匀量化DAC的方法来提升低分辨率DAC的性能以降低系统成本。量化方法可以分为均匀量化和非均匀量化。非均匀量化方法中包括指数量化、次方量化、折线量化、基于信号分布估计量化等。基于信号分布估计的量化阶可以通过非参数估计方法来确定。在传统OFDM系统中，例如JizongPeng于2017年在IEEEPhotonicsJournal发表的《SQNRImprovementEnabledbyNonuniformDACOutputLevelsforIM-DDOFDMSystems》，根据OFDM信号符合高斯分布的事实，使用Matlab确定量化噪声最小时的量化阶，提升了IMDD-OFDM系统的传输性能。但在IMDD滤波器组多载波系统中，波形经过滤波器处理后，波形分布并非完全呈高斯分布，无法使用基于高斯分布的假设，也就无法使用JizongPeng所提出的量化阶优化算法，所以只能使用非参数估计的方法对信号分布进行估计才能确定量化阶。2018年，本专利技术人在IEEEPhotonicsJournal发表的《PerformanceOptimizationbyNonparametricHistogramEstimationforLowResolutioninIMDD-OQAM-OFDMSystem》采用非参数估计直方图法对IMDD-OQAM-OFDM波形进行信号估计确定量化阶。但非参数估计直方图法对样本数量需求较大，计算复杂度和存储复杂度都比较大，且只适用于低维数据，当维度升高，直方图所需的空间将随维度的增加呈指数级增加。所以量化阶优化确定算法仍存在改进空间。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种用于滤波器组多载波调制光通信系统的K-means非均匀量化算法，以改进DAC的量化性能。K均值(K-means)是一种基于统计学习理论的机器学习算法。K-means的优点是原理简单，实现容易，收敛速度快，聚类效果较优。同时，由于K-means是一种无监督的聚类分析算法，不需要前期的训练，通过对滤波器组多载波的发射信号数据进行聚类计算得到该波形的K个量化区间，就可以确定其量化阶。基于此，本专利技术采用如下技术方案：用于滤波器组多载波调制光通信系统的K-means非均匀量化算法，包括如下步骤：步骤1：将滤波器组多载波调制发射机发送的数据序列输入到数据预处理模块，将生成的特征向量作为K均值量化模块的输入；步骤2：选取K个特征向量作为初始量化阶，计算各向量与量化阶向量之间的距离，根据距离将各个向量聚类到距离最近的量化阶向量的集合中，计算得到量化区间和每个量化区间的中心向量；步骤3：将步骤2产生的中心向量作为距离计算的初始量化阶，迭代步骤2直至收敛，得到K个量化区间和中心向量；步骤4：将步骤3中得到的量化区间和中心向量输出得到量化结果。优选地，步骤1中：采用的数据预处理方式包括：1)向量构建的方法为：通过抽头延时器得到当前数据及它的若干个前后数据的采样值作为每个数据的特征值，构建特征向量。2)向量处理方法为：在中心抽头的特征值赋予权重，增加其在计算距离时产生的影响，得到最终的特征向量。所述权重参数可以取1～1.5之间的固定值。其中，输入数据序列的构成方法为：拆分数据实部和虚部发射端数据，将实部数据Re{x1}Re{x2}…Re{xn}和虚部数据Im{x1}…Im{xn}按照原数据顺序独立输入。优选地，步骤2中：具体步骤如下：随机选取K个特征向量作为初始量化阶，计算各向量与量化阶向量之间的欧式距离，根据距离将各个向量聚类到距离最近的量化阶向量的集合中，通过计算即可得到经过一轮量化后的量化区间和每个量化区间的中心向量。其中，第一组量化阶的选取方法为：随机选择K个向量作为量化阶，其中K等于2n，n为目标量化位数。所述距离为欧几里得距离。聚类操作方法为：根据每个向量到量化阶向量之间的距离，将向量聚类至距离最近的量化阶组成一个集合，该集合所在数值区间即为量化区间，计算各量化区间的中心向量作为量化阶。所述新的中心向量是量化区间内各点向量的均值。优选地，步骤3中：所述收敛的定义为中心向量不再发生变化，各个量化区间中的点向量不再发生变动。优选地，步骤4中：所述量化结果输出的方式为：K个量化区间的中心向量即为各个量化间中所包含的点向量的量化结果，在一维量化中即为数据序列的量化结果，将K个中心向量按照所对应特征向量的输入顺序输出即可得到量化结果。本专利技术的量化算法，充分考虑了高速率滤波器组多载波系统的特点，针对滤波器组多载波波形的特点找到适合该波形的量化方式，进而大幅提高DAC量化的性能。与现有技术相比，本专利技术具有如下的有益效果：1、本专利技术的算法性能相比于传统均匀量化方法，可以得到更好的量化性能，从而提升滤波器组多载波调制光通信系统的性能。2、本专利技术的算法性能相比于基于信号估计的非线性规划量化方法，可以得到更好的信号估计效果以及量化效果，且算法更加简单，复杂度更低3、本专利技术的算法相比与其他聚类学习算法如神经网络，支持向量机等原理更简单，容易实现。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为基于K-means的DAC量化原理示意图。图2为IMDD滤波器组多载波光通信应用系统示意图。图3为IMDD滤波器组多载波光通信系统使用不同位数基于一维K-means非均匀量化方法与使用传统均匀量化方法SQNR对比图。kmeans-q为本专利技术算法的一个实例，q为量化分辨率。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。本专利技术提供了一种用于滤波器组多载波调制光通信系统的K-means非均匀量化算法。如图1所示，数据预处理模块，对输入数据序列进行预处理并将数据序列组成M个特征向量。K均值量化模块根据量化阶向量与各向量之间的欧式距离进行聚类操作至中心向量不再发生改变，以聚类后每个量化区间的中心向量作为该量化区间的量化阶，K本文档来自技高网...

【技术保护点】
1.用于滤波器组多载波调制光通信系统的K‑means非均匀量化算法，其特征在于，包括如下步骤：步骤1：将滤波器组多载波调制发射机发送的数据序列输入到数据预处理模块，将生成的向量作为K均值量化模块的输入；步骤2：选取K个向量作为初始量化阶，计算各向量与量化阶向量之间的距离，根据距离将各个向量聚类到距离最近的量化阶向量的集合中，计算得到量化区间和每个量化区间的中心向量；步骤3：将步骤2产生的中心向量作为距离计算的初始量化阶，迭代步骤2直至收敛，得到K个量化区间和中心向量；步骤4：将步骤3中得到的量化区间和中心向量输出得到量化结果。

【技术特征摘要】
1.用于滤波器组多载波调制光通信系统的K-means非均匀量化算法，其特征在于，包括如下步骤：步骤1：将滤波器组多载波调制发射机发送的数据序列输入到数据预处理模块，将生成的向量作为K均值量化模块的输入；步骤2：选取K个向量作为初始量化阶，计算各向量与量化阶向量之间的距离，根据距离将各个向量聚类到距离最近的量化阶向量的集合中，计算得到量化区间和每个量化区间的中心向量；步骤3：将步骤2产生的中心向量作为距离计算的初始量化阶，迭代步骤2直至收敛，得到K个量化区间和中心向量；步骤4：将步骤3中得到的量化区间和中心向量输出得到量化结果。2.根据权利要求1所述的用于滤波器组多载波调制光通信系统的K-means非均匀量化算法，其特征在于，滤波器组多载波调制光通信系统包括基于滤波器组多载波调制光通信系统以及通用滤波器多载波调制光通信系统。3.根据权利要求2所述的用于滤波器组多载波调制光通信系统的K-means非均匀量化算法，其特征在于，所述步骤1中，数据预处理模块采用的数据预处理方式包括：1)向量构建的方法：通过抽头延时器得到当前数据及其前后数据的采样值，将采样值作为每个数据的特征值，构建特征向量；2)向量处理方法：在中心抽头的特征值赋予权重，增加其在计算距离时产生的影响，得到最终的特征向量，权重参数取1～1.5之间的固定值。4.根据权利要求3所述的用于滤波器组多载波调制光通信系统的K-means非均匀量化算法，其特征在于，所述步骤1中：输入数据序列的构成方法为：拆分数据实部和虚部...

【专利技术属性】
技术研发人员：毕美华，林嘉芊，杨国伟，周雪芳，周豪，池灏，杨淑娜，胡淼，李齐良，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33