基于异或神经网络的调制格式及信噪比识别方法及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异或神经网络的调制格式及信噪比识别方法及装置，方法包括：获取接收端所接收的数字域信号经过预处理后的待识别信号；根据待识别信号生成星座图；将星座图输入预先训练完成的信号识别神经网络，得到待识别信号的调制格式和信噪比，信号识别神经网络为异或神经网络，信号识别神经网络是根据训练集预先训练的，训练集包括多个样本信号对应的样本星座图以及每个样本信号的调制格式标签和信噪比标签。可见，采用预先训练完成的异或神经网络识别光纤通信中信号的调制格式和信噪比，相比于复杂神经网络，显著降低网络模型规模，减少网络占用的计算资源且提升运算速度，能够适用于实时系统。

【技术实现步骤摘要】
基于异或神经网络的调制格式及信噪比识别方法及装置
本专利技术涉及光通信
，特别是涉及一种基于异或神经网络的调制格式及信噪比识别方法及装置。
技术介绍
在光通信领域，光性能监测(opticalperformancemonitor，OPM)是网络管理中的重要组成部分，对于保证各种中间节点和目的节点的高质量服务至关重要。光调制格式识别和光信噪比识别是OPM的两个重要方面。近年来，相干光传输和先进的调制格式在光通信领域广泛应用。由于星座图可以显示幅度和相位信息，能够全面的呈现不同调制信号的多个性能指标，因此可以通过星座图来识别调制格式和估计光信噪比。然而，传统的星座图分析方法对专业知识的依赖性很强，只适用于经验丰富的工程师。另外，传统的统计方法需要获取每个星座点的信息，这意味着需要收集所有的同相和正交数据。这是一个相当耗时的过程，因此不适用于实时测试系统。因此，无需人工干预、无人为误差的星座图分析方法是未来的发展方向。近年来，出现了基于复杂神经网络进行光调制格式识别和光信噪比识别的技术，与传统方法相比，基于复杂神经网络的技本文档来自技高网...

【技术保护点】
1.一种基于异或神经网络的调制格式及信噪比识别方法，其特征在于，所述方法包括：/n获取接收端所接收的数字域信号经过预处理后的待识别信号；/n根据所述待识别信号生成星座图；/n将所述星座图输入预先训练完成的信号识别神经网络，得到所述待识别信号的调制格式和信噪比，所述信号识别神经网络为异或神经网络，所述信号识别神经网络是根据训练集预先训练的，所述训练集包括多个样本信号对应的样本星座图以及每个样本信号的调制格式标签和信噪比标签。/n

【技术特征摘要】
1.一种基于异或神经网络的调制格式及信噪比识别方法，其特征在于，所述方法包括：
获取接收端所接收的数字域信号经过预处理后的待识别信号；
根据所述待识别信号生成星座图；
将所述星座图输入预先训练完成的信号识别神经网络，得到所述待识别信号的调制格式和信噪比，所述信号识别神经网络为异或神经网络，所述信号识别神经网络是根据训练集预先训练的，所述训练集包括多个样本信号对应的样本星座图以及每个样本信号的调制格式标签和信噪比标签。


2.根据权利要求1所述的方法，其特征在于，所述信号识别神经网络包含第一子网络和第二子网络，所述第一子网络为全精度卷积神经网络，所述第二子网络为二值化异或卷积神经网络，所述第一子网络的输出为所述第二子网络的输入。


3.根据权利要求2所述的方法，其特征在于，所述第一子网络包含全精度卷积层、第一批归一化层、激活函数层和第一最大池化层；所述第二子网络包含第二批归一化层、二值激活函数层、二值异或卷积层、第二最大池化层、二值全连接层和输出层。


4.根据权利要求3所述的方法，其特征在于，所述全精度卷积层的卷积核数目为20；所述二值异或卷积层的卷积核数目为500，所述二值全连接层的神经元数目为500。


5.根据权利要求1所述的方法，其特征在于，按照如下方式训练所述信号识别神经网络：
获取预设的异或神经网络模型和所述训练集；
将所述样本星座图输入所述异或神经网络模型，得到样本信号的调制格式和信噪比的识别结果；
基于所述样本信号的调制格式和信噪比的识别结果，以及样本信号的真实调制格式标签和信噪比标签，确定损失值；
基于所述损失值判断所述异或神经网络模型是否收敛；
若否，则调整所述异或神经网络模型中的参数值，并返回所述将所述样本星座图输入所述异或神经网络模型，得到样本信号的调制格式和信噪比的识别结果的步骤；
若是，则将当前的异或神经网络模型确定为信号识别神经网络。


6.一种基于异或神经网络的调制格式及信噪比识别装置，其特征在于，所述装置包括：
获取模块，用于获取接收端所接收的数字域信号经过预处理...

【专利技术属性】
技术研发人员：陈远祥，韩颖，付佳，余建国，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11