一种基于机器学习的模分复用信号解调优化方法技术

本发明专利技术公开一种基于机器学习的模分复用信号解调优化方法。先获取信号数据并划分出测试集和训练集；输入训练集对第一支持向量机进行训练；将训练集输入频偏估计和载波相位恢复模块以消除相位影响，并输入到第二支持向量机中进行训练；之后将测试集输入到训练完毕的第一支持向量机中，得到圆环标签；再将圆环标签进行对比，以此进行调整得到正确的数据点；之后将数据点输入到训练好的频偏估计和载波相位恢复模块中，消除相位噪声与频偏的影响，得到星座图；最后将星座图输入到第二支持向量机中进行判决，进行星座点的重新分类，以使数据点归类到正确的星座点位置上。本发明专利技术有效地降低了数字信号处理的复杂度，并使模组间的不良影响得到改善。影响得到改善。影响得到改善。

【技术实现步骤摘要】
一种基于机器学习的模分复用信号解调优化方法


[0001]本专利技术属于光纤通信
，特别是涉及一种基于机器学习的模分复用信号解调优化方法。

技术介绍

[0002]随着当今社会信息化进程不断推进，涌现出了大量带宽消耗型的技术与业务，全球的骨干网数据流量需求呈现爆发性增长。而作为电信骨干网络基础的商用单模光纤，目前已经接近非线性香农极限。近年来基于少模、多模光纤的空分复用、模分复用技术被认为是可以打破这一瓶颈，完成通信容量突破的候选方案。在理想情况下模分复用系统中传输的各个模式是相互正交的，因此传输的信息也是相互独立的，但是因为光纤一些内外的不理想特性，使得模式之间产生了耦合，这就需要多入多出(MIMO)均衡来去除耦合引发的信道间串扰。其中为了避免复用模式增多引入的MIMO维度提升导致数字信号处理的复杂度增加，模分复用系统通常会采用部分MIMO均衡的方案，即对模组内的强串扰模式进行MIMO均衡，而忽略模组之间的串扰，将其视作噪声。
[0003]虽然相较于模组内模式的串扰模组之间的串扰是足够低的，但是模组之间的串扰可能会因为光纤拉制工艺造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的模分复用信号解调优化方法，其特征在于，包括以下步骤：S1、获取经恒模算法处理后输出的信号数据，并划分出测试集和训练集；S2、将训练集输入第一支持向量机中，以正确的圆环半径作为期望输出，对第一支持向量机进行训练，使其具有判决圆环归属的能力；S3、将训练集输入频偏估计和载波相位恢复模块，从而获得消除相位影响的数据点；S4、将上述获得的数据点输入到第二支持向量机中，以正确的星座点位置作为期望输出，对第二支持向量机进行训练，使得数据点通过第二支持向量机能够归类到正确的星座点位置上；S5、将测试集输入到训练完毕的第一支持向量机中，对数据点所属圆环进行判决，获得判定的圆环标签；S6、将圆环标签与测试集根据半径决定的所属圆环进行对比，如有差异，则保持数据点的相位不变，调整数据点的模值至第一支持向量机输出的半径上，得到正确的数据点；S7、将正确的数据点输入到训练好的频偏估计和载波相位恢复模块中，消除相位噪声与频偏的影响，逐步恢复出星座图；S8、将获得的星座图输入到第二支持向量机中进行判决，第二支持向量机进行星座点的重新分类，以使数据点归类到正确的星座点位置上。2.根据权利要求1所述的模分复用信号解调优化方法，其特征在于，步骤S1划分测试集和训练集的具体过程如下：在相干通信的DSP流程中，将恒模算法的输出依据采集时间划分成两个长度相同的数据段，然后将这两个数据段分别作为测试集和训练集。3.根据权利要求2所述的模分复用信号解调优化方法，其特征在于，考虑二阶串扰的影响，那么在接收模式i中，测试集和训练集的数据y
i,n
在时刻t＝nT表示为：其中a
p,n
为当前时刻模式p所携带的符号，a
q,n
为当前时刻模式q所携带的符号，T表示符号间隔，代表卷积运算，h
2,pqi
为模式p和模式q到模式i的二阶冲激响应函数，N
n
是所有噪声的统称，j指的是虚数单位，是发射端和本征光的差异导致的相位影响。4.根据权利要求3所述的模分复用信号解调优化方法，其特征在于，其中Δf是频偏，ψ代表相位噪声，nT表示时刻...

【专利技术属性】
技术研发人员：刘洁，林圳锐，唐钢，郭钰滢，
申请(专利权)人：中山大学，
类型：发明
国别省市：