本发明专利技术公开了一种概率整形星座下的信号缩放因子估计方法、装置、设备及介质，所述方法包括：在特定信噪比的加性高斯白噪声信道下，统计接收信号功率归一化操作的实际缩放因子的分布；结合统计结果测试不同可调参数下期望最大化算法的更新效果；利用测试结果和缩放值分布进行加权计算，得到不同信噪比下的最优可调参数；利用基于半径的期望最大化算法，结合最优可调参数的值对缩放因子迭代更新，当迭代次数达到预设次数后，输出信号的最终缩放因子。本发明专利技术能够在概率整形星座系统中高精度地估计出信号的缩放因子，迭代速度快，方法复杂度低，能有效缓解信道中噪声带来的缩放误差。能有效缓解信道中噪声带来的缩放误差。能有效缓解信道中噪声带来的缩放误差。
【技术实现步骤摘要】
概率整形星座下的信号缩放因子估计方法、装置、设备及介质
[0001]本专利技术涉及一种概率整形星座下的信号缩放因子估计方法、装置、设备及介质，属于光通信
技术介绍
[0002]近年来，概率星座整形(PCS)技术被广泛用在光纤传输中，概率整形信号的主要特点是不需要改变星座的幅值、相位等参数，只改变不同能量的发射符号的概率。一般来说，具有较大振幅的符号以较低的概率传输。概率星座整形(PCS)可以使特定信道状态下的传输信道互信息(MI)最大化，例如在给定信噪比(SNR)下。随着PCS应用的发展，高阶多进制正交幅度调制信号、相干检测和数字信号处理(DSP)相结合的相干光通信系统对光通信领域产生了巨大的影响。针对概率形状信号的一系列DSP也在不断发展和完善。
[0003]在光纤通信系统中，许多的DSP技术都涉及到星座的缩放问题，而不完美的缩放会影响最后的判决阶段，带来一定的误码率惩罚。例如，进行DSP往往需要进行信号的功率归一化操作，而由于噪声的存在，会使星座的幅值产生缩放误差。不完美的缩放会给后续的信号处理算法带来一定影响，最终导致接收信号的错误判决。因此，如何量化和减轻这种缩放误差的影响是值得讨论的。
[0004]为了灵活地处理信号归一化缩放问题，可以利用一些机器学习算法结合概率整形星座的信息进行整形分布识别进而计算出归一化因子。一种基于人工神经网络(ANN)的整形分布识别算法利用从接收信号中提取的光纤非线性诱发的幅值噪声协方差和相位噪声相关来训练人工神经网络，利用估计的非线性信噪比和非线性系统系数从ANN中提取星座信息，具体见参考文献：A.S.Kashi,A.I.Abd El
‑
Rahman,J.C.Cartledge,and S.A.Etemad,“Extending a Nonlinear SNR Estimator to Include Shaping Distribution Identification for Probabilistically Shaped 64
‑
QAM Signals,”J.Light.Technol.,vol.37,no.13,pp.3252
–
3260,Jul.2019,doi:10.1109/JLT.2019.2913595。W.Zhang等人提出了一种基于二维Stokes图像的卷积神经网络(CNN)方法。具体见参考文献：W.Zhang et al.,“Identifying Probabilistically Shaped Modulation Formats Through 2D Stokes Planes With Two
‑
Stage Deep Neural Networks,”IEEE Access,vol.8,pp.6742
–
6750,2020,doi:10.1109/ACCESS.2019.2963504。这两种方法的共同缺陷是需要大量的训练数据和符号样本。
[0005]为了避免训练，针对相位旋转PS信号的整形概率识别(SDI)，Q.Yan等人提出了一种基于半径的期望最大化(EM)算法，利用传输信号的模值信息对不同整形分布的概率分布和归一化因子进行更新。具体见参考文献：Q.Yan,X.Cao,P.Zhang,L.Liu,and X.Hong,“Shaping Distribution Identification of Phase Rotated Probabilistically Shaped Signals With Radius
‑
Based Expectation Maximization,”J.Light.Technol.,vol.39,no.6,pp.1715
–
1723,Mar.2021,doi:10.1109/JLT.2020.3041467.但是这些算法都没有直接针对概率整形星座中的信号归一化误差进行再一步分析，这会造成一定的频谱效
率损失，且使用的算法初始化及更新过程复杂度高。
[0006]因此，借助已有聚类算法研究一种在概率整形星座中简单可行的信号缩放因子估计方法对于提高系统的频谱效率具有重要意义。
技术实现思路
[0007]有鉴于此，本专利技术提供了一种概率整形星座下的信号缩放因子估计方法、装置、设备及介质，其利用星座半径信息改进期望最大化聚类算法，实用性强、算法迭代更新快，能够高精度地估计出信号的缩放因子，有效缓解信号处理中的各种缩放误差带来的频谱效率损失。
[0008]本专利技术的第一个目的在于提供一种概率整形星座下的信号缩放因子估计方法。
[0009]本专利技术的第二个目的在于提供一种概率整形星座下的信号缩放因子估计装置。
[0010]本专利技术的第三个目的在于提供一种计算机设备。
[0011]本专利技术的第四个目的在于提供一种存储介质。
[0012]本专利技术的第一个目的可以通过采取如下技术方案达到：
[0013]一种概率整形星座下的信号缩放因子估计方法，所述方法包括：
[0014]在特定信噪比的加性高斯白噪声信道下，统计接收信号功率归一化操作的实际缩放因子的分布；
[0015]结合统计结果测试不同可调参数下期望最大化算法的更新效果；
[0016]利用测试结果和缩放值分布进行加权计算，得到不同信噪比下的最优可调参数；
[0017]利用基于半径的期望最大化算法，结合最优可调参数的值对缩放因子迭代更新，当迭代次数达到预设次数后，输出信号的最终缩放因子。
[0018]进一步的，所述在特定信噪比的加性高斯白噪声信道下，统计接收信号功率归一化操作的实际缩放因子的分布，具体包括：
[0019]在给定发送信号的概率分布和信道信噪比下，统计若干次整形信号受噪声和系统随机性影响下进行归一化操作的实际缩放因子分布，并绘制分布直方图。
[0020]进一步的，所述结合统计结果测试不同可调参数下期望最大化算法的更新效果，具体包括：
[0021]按照所得分布直方图的中位数对理想信号实施强制缩放，测试不同整形分布以及不同信噪比下选取的一系列可调参数的更新效果。
[0022]进一步的，所述利用测试结果和缩放值分布进行加权计算，得到不同信噪比下的最优可调参数，如下式：
[0023][0024]其中，p
j
为统计获得的D个缩放因子的概率；为可调参数；为选取的一系列测试值，为在选取的下期望最大化算法更新的缩放因子与给定缩放因子的均方误差；为最优的值，为加权曲线的极小值点。
[0025]进一步的，所述利用基于半径的期望最大化算法，结合最优可调参数的值对缩放
因子迭代更新，具体包括：
[0026]将最优可调参数的值代入所述期望最大化算法中缩放因子的更新公式，以对缩放因子迭代更新。
[0027]进一步的，所述期望最大化算法中的期望部分为计算辅助函数，如下式：
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种概率整形星座下的信号缩放因子估计方法，其特征在于，所述方法包括：在特定信噪比的加性高斯白噪声信道下，统计接收信号功率归一化操作的实际缩放因子的分布；结合统计结果测试不同可调参数下期望最大化算法的更新效果；利用测试结果和缩放值分布进行加权计算，得到不同信噪比下的最优可调参数；利用基于半径的期望最大化算法，结合最优可调参数的值对缩放因子迭代更新，当迭代次数达到预设次数后，输出信号的最终缩放因子。2.根据权利要求1所述的信号缩放因子估计方法，其特征在于，所述在特定信噪比的加性高斯白噪声信道下，统计接收信号功率归一化操作的实际缩放因子的分布，具体包括：在给定发送信号的概率分布和信道信噪比下，统计若干次整形信号受噪声和系统随机性影响下进行归一化操作的实际缩放因子分布，并绘制分布直方图。3.根据权利要求2所述的信号缩放因子估计方法，其特征在于，所述结合统计结果测试不同可调参数下期望最大化算法的更新效果，具体包括：按照所得分布直方图的中位数对理想信号实施强制缩放，测试不同整形分布以及不同信噪比下选取的一系列可调参数的更新效果。4.根据权利要求1所述的信号缩放因子估计方法，其特征在于，所述利用测试结果和缩放值分布进行加权计算，得到不同信噪比下的最优可调参数，如下式：其中，p
j
为统计获得的D个缩放因子的概率；为可调参数；为选取的一系列测试值，为在选取的下期望最大化算法更新的缩放因子与给定缩放因子的均方误差；为最优的值，为加权曲线的极小值点。5.根据权利要求1所述的信号缩放因子估计方法，其特征在于，所述利用基于半径的期望最大化算法，结合最优可调参数的值对缩放因子迭代更新，具体包括：将最优可调参数的值代入所述期望最大化算法中缩放因子的更新公式，以对缩放因子迭代更新。6.根据权利要求5所述的信号缩放因子估计方法，其特征在于，所述期望最大化算法中的期望部分为计算辅助函...
【专利技术属性】
技术研发人员：洪学智，张嘉琦，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。