一种基于可变自编码器的信道匹配非网格化编码调制方法技术

本发明专利技术公开了一种基于可变自编码器的信道匹配非网格化编码调制方法，包括：获取非网格化信号输入预训练的可变自编码器，基于其星座的几何位置和分布概率进行几何概率编码，生成多维参量，输入预置的非线性的仿真光纤信道；经非线性的仿真光纤信道后进入同构的可变自解码器，计算传输链路的广义互信息；进行广义互信息判断，若当前信号星座分布为信道匹配的最优非网格化星座分布或多维参量的迭代次数达到预设值，则输出当前信号。本发明专利技术借助可变自编码器实现概率成形和几何成形的混合成形方案，根据信道反馈智能迭代出信道匹配的最优成形方案，实现链路广义互信息的最大化，最终完成信道匹配的非网格化信号编码调制过程。终完成信道匹配的非网格化信号编码调制过程。终完成信道匹配的非网格化信号编码调制过程。

【技术实现步骤摘要】
一种基于可变自编码器的信道匹配非网格化编码调制方法


[0001]本专利技术涉及一种基于可变自编码器的信道匹配非网格化编码调制方法，属于混合成形技术和机器学习


技术介绍

[0002]光纤通信系统是信息传输的承载基石，是宽带网络的主动脉。近年来，元宇宙、数字孪生、工业互联网等新型业务的不断发展，网络流量爆炸式增长，据统计，未来全球网络流量将达到每秒150.7TB。通信系统作为承载全球网络的物理基础，5G以及后5G无线通信技术飞速发展，接入侧容量与4G相比实现1000倍以上的提升。由于接入侧的数据最终将汇集到骨干网络，当前全球超过85%的骨干网数据将通过光纤进行长距离传输，因此，光纤通信系统的扩容势在必行。目前光传输系统已实现了从单通道100Gb/s到200Gb/s的升级，当前单通道400Gb/s和800Gb/s的系统已经初步开始商用。为了进一步提升容量，现有普遍方法是增加信号的调制阶数，而光纤信道作为一种非线性信道，其自相位调制和交叉相位调制所引起的非线性相位噪声严重制约着高阶调制信号的长距离传输。虽然国内外研究组提出概率成形、几何成形、分布傅里叶扩展等大量方法来进一步逼近光纤非线性香农极限，但这些技术于发射端调制格式的优化方式固化，并未考虑到高阶调制与非线性光纤信道的智能化匹配，因而难以实现高阶调制信号的高增益长距离传输。
[0003]非网格化星座设计是逼近香农极限的有效手段。非网格化星座混合成形包括概率整形和几何整形。概率整形通过调整星座点的先验概率，使发送概率服从高斯分布，即低能量点以高概率发送，高能量点以低概率发送，不仅有效提高系统误码性能还能显著节省发射功率，一定程度上还可以减弱信号受到非线性效应的影响。几何整形就是从最小欧式距离、星座平均能量、信道噪声特性、编码映射和对称性等因素下考虑，调整星座点位置使得性能优于传统星座图的星座点几何位置分布，降低需要的发射功率，从而获得广义互信息增益。无论概率整形还是几何整形，都是提高系统容量、提升系统性能的有效新途径。然而，相关研究取得的增益不足以达到极限，与理论极限容量的差距无法完全填补。从作用机理上看，传统的星座成型都是事先单独对星座进行优化后直接调制进入信道，而实际信道处在变化中，没有及时匹配相应条件的优化星座会处于非适用环境，在实际运用中的表现大打折扣；从实现方法上看，直接设计星座的位置、概率进行优化已经无法满足需求，少量使用优化算法改进星座参数的研究无法处理信道对星座优化的动态影响。传统高阶调制设计的高阶调制格式，仅限于发射端调制格式本身的考量，优化方式固化，未能与信道条件相匹配。并且，传统的星座成形技术难以将几何成形和概率成形技术联立，分布概率、几何位置、欧式距离、信道响应、传输距离等多个影响参量之间彼此孤立，并未考虑到高阶调制与非线性光纤信道的智能化匹配。

技术实现思路

[0004]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于可变自编码器
的信道匹配非网格化编码调制方法，将信道响应、分布概率、几何位置等光通信系统的多维影响参量进行联立优化，借助可变自编码器实现概率成形和几何成形的混合成形方案，根据信道反馈智能迭代出信道匹配的最优成形方案，实现链路广义互信息的最大化，最终完成信道匹配的非网格化信号编码调制过程。
[0005]为达到上述目的，本专利技术提供一种基于可变自编码器的信道匹配非网格化编码调制方法，包括如下步骤：获取非网格化信号输入预训练的可变自编码器，基于其星座的几何位置和分布概率进行几何概率编码，生成多维参量，输入预置的非线性的仿真光纤信道；经非线性的仿真光纤信道后进入同构的可变自解码器，对多维参量进行几何概率解码后输出，计算传输链路的广义互信息；进行广义互信息判断，若当前信号星座分布为信道匹配的最优非网格化星座分布或多维参量的迭代次数达到预设值，则输出当前信号；否则基于广义互信息更新迭代多维参量后重复上述步骤。
[0006]进一步地，所述可变自编码器的预训练步骤包括：采用端到端的网络架构进行模型训练，利用参数重构在编码过程中获取均值向量和标准差向量；从标准差向量中采样，将采样结果加到均值向量，实现潜在变量的编码过程。
[0007]进一步地，所述基于其星座的几何位置和分布概率进行几何概率编码，生成多维参量，包括：标记非网格化信号的星座分布概率和几何位置，并一起作为输入数据送入可变自编码器；引入输入数据的潜在变量，可变自编码器将输入数据转换为潜在变量的概率分布，然后采样为潜在变量，将潜在变量转换为重构的输出。
[0008]进一步地，所述可变自编码器将输入数据转换为潜在变量的概率分布，包括：获取潜在变量的选择分布，在可变自编码器的损失函数中，利用KL散度对潜在变量的概率分布和选择分布进行相似化操作，获取潜在变量的概率分布：；其中，为重构损失，即为输入数据X和重构输出之间的均方误差；为概率分布P(Z)和选择分布的KL散度；j为输入数据的次数；Z是输入数据X的潜在变量。
[0009]进一步地，所述预置非线性的仿真光纤信道包括：基于生成对抗网络预置非线性的仿真光纤信道，模拟非线性光纤信道的环境；所述生成对抗网络包括生成器和判别器；对生成对抗网络进行训练，至生成器的结构符合非线性光纤信道的要求，即将生成器作为非线性光纤信道使用。
[0010]进一步地，所述生成器的输入包括随机噪声和条件标签，所述判别器的输入包括真实数据和生成器的输出。
[0011]进一步地，所述对生成对抗网络进行训练包括：
生成器依据条件标签和判别器的反馈，将随机噪声生成符合条件的生成数据，判别器根据真实数据的分布概率分辨输入数据是真实数据还是生成数据，并反馈给生成器。
[0012]进一步地，所述计算传输链路的广义互信息，包括：；其中，H（X）是输入数据X的熵；是第i个比特的第k个传输符号；是给定接收符号y
k
的估计概率；m是每个符号的比特数；K是传输符号数；。
[0013]进一步地，所述基于广义互信息更新迭代多维参量，包括：基于广义互信息更新输入信号的参数并进行迭代优化，生成更新的几何位置和分布概率，重新生成多维参量。
[0014]进一步地，所述信道匹配的最优非网格化星座分布为：最大化链路广义互信息为匹配非线性光纤信道的最佳非网格化信号星座形态。
[0015]本专利技术所达到的有益效果：本专利技术提供一种基于可变自编码器的信道匹配非网格化编码调制方法，将几何位置和分布概率进行多维参量联立，智能设计非网格化混合星座成形信号的星座形态，利用机器学习中的可变自编码器完成基于几何成形和概率成形的混合成形星座设计。并且根据非线性光纤信道的反馈，迭代出符合信道特性的几何概率分布参数，以最大化链路广义互信息为目标，最终完成信道匹配的非网格化编码调制，显著增强高阶调制格式长距离传输的星座增益，提高非网格化混合星座成形信号的容量距离积，进一步逼近香农极限。
附图说明
[0016]图1是本专利技术实施例提供的基于可变自编码器的信道匹配非网格化编码调制方法的结构原理图；图2是本专利技术实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可变自编码器的信道匹配非网格化编码调制方法，其特征在于：包括如下步骤：获取非网格化信号输入预训练的可变自编码器，基于其星座的几何位置和分布概率进行几何概率编码，生成多维参量，输入预置的非线性的仿真光纤信道；经非线性的仿真光纤信道后进入同构的可变自解码器，对多维参量进行几何概率解码后输出，计算传输链路的广义互信息；进行广义互信息判断，若当前信号星座分布为信道匹配的最优非网格化星座分布或多维参量的更新迭代次数达到预设值，则输出当前信号；否则基于广义互信息更新迭代多维参量后重复上述步骤。2.根据权利要求1所述的基于可变自编码器的信道匹配非网格化编码调制方法，其特征在于：所述可变自编码器的预训练步骤包括：采用端到端的网络架构进行模型训练，利用参数重构在编码过程中获取均值向量和标准差向量；从标准差向量中采样，将采样结果加到均值向量，实现潜在变量的编码过程。3.根据权利要求1所述的基于可变自编码器的信道匹配非网格化编码调制方法，其特征在于：所述基于其星座的几何位置和分布概率进行几何概率编码，生成多维参量，包括：标记非网格化信号的星座分布概率和几何位置，并一起作为输入数据送入可变自编码器；引入输入数据的潜在变量，可变自编码器将输入数据转换为潜在变量的概率分布，然后采样为潜在变量，将潜在变量转换为重构的输出。4.根据权利要求3所述的基于可变自编码器的信道匹配非网格化编码调制方法，其特征在于：所述可变自编码器将输入数据转换为潜在变量的概率分布，包括：获取潜在变量的选择分布，在可变自编码器的损失函数中，利用KL散度对潜在变量的概率分布和选择分布进行相似化操作，获取潜在变量的概率分布：；其中，为重构损失，即为输入数据X和重构输出之间的均方误差；为概率分布P(Z)和选择分布的KL散度；j为输入数...

【专利技术属性】
技术研发人员：任建新，刘博，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：