基于多层级神经网络的抗模式耦合信号复杂格式解析方法技术

本发明专利技术公开基于多层级神经网络的抗模式耦合信号复杂格式解析方法，根据接收的未知信号，生成未知信号星座图；将未知信号星座图输入训练获得的卷积神经网络模型，预测获得传输模式和调制格式。训练获得卷积神经网络模型：卷积神经网络模型从有标签的星座图中提取高维信息特征；根据高维信息特征，判定获得传输模式和调制格式；将判定获得的传输模式和调制格式与标签比较，对卷积神经网络模型进行参数的更新迭代。本发明专利技术解决模分复用中的模间耦合问题，对于调制格式识别的干扰，能在耦合系数较高的情况下准确识别出未知信号星座图的调制格式，降低模式耦合对接收信号产生的干扰，调制格式识别结果更精准，鲁棒性更强。鲁棒性更强。鲁棒性更强。

【技术实现步骤摘要】
基于多层级神经网络的抗模式耦合信号复杂格式解析方法


[0001]本专利技术涉及基于多层级神经网络的抗模式耦合信号复杂格式解析方法，属于深度学习技术和信号复杂格式解析


技术介绍

[0002]随着社会信息化程度的不断提高，视频服务、5G、物联网等新兴技术与大数据服务、云计算等新业务的不断涌现，数据业务以爆炸式的速度持续增长，现有的光纤传输资源正被快速消耗。目前的网络流量已接近现有传输技术的极限，扩展传输带宽的需求日渐紧迫，发展新型传输技术以满足未来网络发展的要求已经成为一个迫在眉睫的任务。然而光纤传输网络中光的幅度、相位、频率、时隙和偏振等维度已经被充分利用，只有空间维度仍具有十分巨大的开发潜力。因此，基于空间维度的空分复用技术成为解决信道容量难题的热点技术。
[0003]模分复用技术是空分复用技术的一种，即利用光纤中模式之间的正交性，以不同的模式作为独立信道承载不同信息，使之同时在光纤中传播的技术方式。理想情况下，光纤中承载信号的不同模式彼此正交，传输过程中不会发生串扰。光纤中存在多少种模式，相应的信道传输容量就能扩大多少，光纤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多层级神经网络的抗模式耦合信号复杂格式解析方法，其特征在于，包括：根据接收的未知信号，生成未知信号星座图；将未知信号星座图输入训练获得的卷积神经网络模型，预测获得传输模式和调制格式；训练获得卷积神经网络模型，包括：将训练数据集输入卷积神经网络模型，训练数据集包括有标签的星座图；卷积神经网络模型从有标签的星座图中提取高维信息特征；根据高维信息特征，判定获得传输模式和调制格式；将判定获得的传输模式和调制格式与标签比较，对卷积神经网络模型进行参数的更新迭代；重复上述步骤，直到达到预设的迭代次数，获得最终的卷积神经网络模型；根据高维信息特征，判定获得传输模式和调制格式，包括：卷积神经网络模型包括第一级卷积神经网络和第二级卷积神经网络，第一级卷积神经网络提取高维信息特征并判别传输模式；第二级卷积神经网络获取第一级卷积神经网络输出的参量，并识别调制格式；第一级卷积神经网络和第二级卷积神经网络均包括第一卷积层、第二卷积层、第一池化层、第二池化层、第一全连接层和第二全连接层，第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层依次连接。2.根据权利要求1所述的基于多层级神经网络的抗模式耦合信号复杂格式解析方法，其特征在于，将判定获得的传输模式和调制...

【专利技术属性】
技术研发人员：刘博，任建新，毛雅亚，朱旭，吴翔宇，吴泳锋，孙婷婷，赵立龙，戚志鹏，李莹，王凤，哈特，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：