基于信号非线性功率变化的概率整形相干光通信系统的调制格式识别方法技术方案

本发明专利技术提出了一种基于信号非线性功率变化的调制格式识别方案，对接收到的概率整形信号进行预处理，包括：对输入调制格式识别模块的信号进行统一的归一化处理，获取信号幅值信息，通过计算获取幅度特征和频谱特征，将提取到的特征参数作为训练数据输入到两级的全连接深度神经网络，从而完成PS

【技术实现步骤摘要】
基于信号非线性功率变化的概率整形相干光通信系统的调制格式识别方法


[0001]本专利技术涉及光纤通信领域，具体涉及一种用于概率整形相干光通信系统的调制格式类别的识别以及调制格式整形熵识别的方法。

技术介绍

[0002]未来的光纤传输网络不仅需要满足超高容量的需求，同时也需要满足用户复杂多样化的业务需求。这意味着下一代的光网络需要能够实时的监测通信链路情况和业务服务质量，并根据监测的数据动态的调整发送端的调制格式和信号传输速率。相干传输系统中在不同的调制格式下，信号的强度、相位和偏振特性都有较大差异，这使得在不同调制格式下的补偿和均衡算法是不完全相同的，所以在执行这些数字信号处理(DSP)算法之前需提前获取到信号的调制格式信息和整形分布信息，因此在基于PS
‑
MQAM的光纤传输网络中，灵活接收机不仅要具备识别调制格式能力，还要同时具备识别整形分布参数的能力。
[0003]为了识别到上述的调试格式信息和整形分布信息，有研究人员提出了基于斯托克斯空间的调制格式识别方案，和一种基于半径的最大期望算法的整形分布识别方案。以上提出的调制格式识别和整形分布识别方案相对独立，而在未来的灵活的接收机中需同时具备这两种识别信息的能力。

技术实现思路

[0004]本专利技术提供了一种用于概率整形相干光通信系统的调制格式识别方法，该方法能够同时完成对信号调制格式类别的识别以及调制格式整形熵的识别。
[0005]为了达到上述目的，总体思路是：提出一种基于信号非线性功率变化的方案，对输入调制格式类别识别模块的信号进行统一的归一化处理，获取信号幅值信息和信号4、8、16次幂后的快速傅立叶变换频谱信息，通过计算获取与调制格式和整形分布有关的幅度特征和频谱特征，将提取到的特征参数作为训练数据输入到隐藏层个数为256，128，64的三层全连接深度神经网络。
[0006]具体的，本专利技术采用的是一种基于信号非线性功率变化的概率整形相干光通信系统调制识别和整形分布信息识别的方案，包括以下步骤：
[0007]计算接收到的PS
‑
MQAM信号进行归一化处理，其中PS
‑
MQAM信号为概率整形正交幅度调制信号，归一化信号通过以下方式计算：
[0008][0009]其中，表示预处理后的信号序列，|
·
|表示取模操作，max()表示求最大值操作。
[0010]计算归一化信号之后的非线性功率变换特征，对PS
‑
MQAM信号进行n次幂处理后，
再进行傅里叶变换计算频域特征，通过一下计算方式：
[0011][0012]其中M表示对归一化信号进行n次幂处理，N代表傅里叶变换的长度。
[0013]优选的，所述M的取值分别为4、8、16。
[0014]优选的，所述N的取值为2
16
。
[0015]所述原始信号的幅度均值通过以下公式计算：
[0016][0017]其中，k表示采样信号序号，N表示采样信号点的总数。
[0018]所述原始信号的幅度方差σ通过以下公式计算：
[0019][0020]其中，k表示采样信号序号，N表示采样信号点的总数。
[0021]所述原始信号的M次幂后的频谱幅度峰值P
M
通过以下公式计算：
[0022]P
M
＝max[Y
M
(k)]。
[0023]其中，k表示采样信号序号，max表示求最大值操作。
[0024]所述原始信号的M次幂后频谱幅度的方差σ
M
通过以下公式计算：
[0025][0026]所述原始信号的M次幂后频谱幅度均值E
M
通过以下公式计算：
[0027][0028]所述的DNN模型由一个输入层、三个隐藏层和一个输出层组成，其中输入层的个数和提取到的幅度特征个数相同，三个隐藏层分别由256、128和64个神经元组成，输出层包含神经元个数与预识别信号的调制格式种类或整形分布类型数量相同，损失函数使用交叉熵损失函数。
[0029]将所述原始信号的幅度均值和幅度方差σ以及信号的M次幂后的频谱幅度峰值P
M
、方差σ
M
和均值E
M
输入到第一级全连接的DNN模型中进行调制格式识别。
[0030]将所述第一级全连接的DNN模型识别到的每种调制格式，原始信号的幅度均值和幅度方差σ以及信号的M次幂后的频谱幅度峰值P
M
、方差σ
M
和均值 E
M
输入到第二级全连接的DNN模型中进行整形分布识别。
[0031]相比于现有技术，本专利技术的有益效果在于：基于斯托克斯空间的调制格式识别方案和一种基于半径的最大期望算法的整形分布识别方案相对独立，不能同时完成对调制格式和整形分布信息的识别，本专利技术根据概率整形信号非线性功率变化的特点，提出了基于信号非线性功率变化的方案，获取信号幅值信息和信号4、 8、16次幂后的快速傅立叶变换频谱信息，通过计算获取与调制格式类别和调制格式整形熵有关的幅度特征和频谱特征，然后又输入到两级的全连接神经网络中进行特征提取，最终同时完成对包含多种整形参数
的概率整形信号的调制格式识别。
附图说明
[0032]图1是本专利技术的调制格式和整形分布识别的数字信号处理(DSP)流程示意图；
[0033]图2是本专利技术的调制格式和整形分布识别的方案执行流程示意图；
[0034]图3是本专利技术的调制格式的非线性功率变换的频谱特征图；
[0035]图4是信号非线性功率变化特征相关性示意图；
[0036]图5是本专利技术中使用的两级DNN结构示意图；
[0037]图6是概率整形信号的调制格式类别识别结果图；
[0038]图7是概率整形信号的调制格式整形熵识别结果图；
具体实施方式
[0039]为了更详细的说明实施例和本专利技术的具体实现及优点，下面结合附图作进一步描述：
[0040]一种基于信号非线性功率变化的概率整形相干光通信系统调制格式识别和整形分布识别方法，使用的装置如附图1所示，在发射端将比特流经马赫曾德调制器调制后进入光纤，经过长距离传输后由接收机接收，将光信号经光电转换后成为电信号，在电域进行色散补偿、偏振解复用后，使用本专利技术对信号进行调制格式识别和整形分布信息识别。
[0041]执行流程如图2所示，计算接收到的PS
‑
MQAM信号进行归一化处理，其中PS
‑
MQAM信号为概率整形正交幅度调制信号，归一化信号通过以下方式计算：
[0042][0043]其中，表示预处理后的信号序列，|
·
|表示取模操作，max()表示求最大值操作。
[0044]计算归一化信号之后的非线性功率变换特征，对PS
‑
MQAM信号进行n次幂处理后，再本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信号非线性功率变化的概率整形相干光通信系统调制格式识别的方法，其特征在于，包括以下步骤：计算接收到的PS
‑
MQAM信号进行归一化处理，其中PS
‑
MQAM信号为概率整形正交幅度调制信号，归一化信号通过以下方式计算：其中，表示预处理后的信号序列，|
·
|表示取模操作，max()表示求最大值操作，计算归一化信号之后的非线性功率变换特征，对PS
‑
MQAM信号进行n次幂处理后，再进行傅里叶变换计算频域特征，通过一下计算方式：其中M表示对归一化信号进行n次幂处理，N代表傅里叶变换的长度。2.根据权利要求1所述的一种基于信号非线性功率变化的概率整形相干光通信系统调制格式识别的方法，其特征在于，所述原始信号的幅度均值通过以下公式计算：其中，k表示采样信号序号，N表示采样信号点的总数。3.根据权利要求1所述的一种基于信号非线性功率变化的概率整形相干光通信系统调制格式识别的方法，其特征在于，所述原始信号的幅度方差σ通过以下公式计算：其中，k表示采样信号序号，N表示采样信号点的总数。4.根据权利要求1所述的一种基于信号非线性功率变化的概率整形相干光通信系统调制格式识别的方法，其特征在于，所述原始信号的M次幂后的频谱幅度峰值P
M
通过以下公式计算：P
M
＝max[Y
M
(k)]，其中，k表示采样信号序号，max表示求最大值操作。5.根据权利要求1所述的一种基于信号非线性功率变化的概率整形相干光通信系统调制格式识别的方法，其特征在于，所述原始信号...

【专利技术属性】
技术研发人员：易安林，黄俊凌，闫连山，罗斌，潘炜，蒋林，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：