【技术实现步骤摘要】
本申请涉及信号识别，具体涉及一种基于脉冲神经网络的pam电信号识别方法及相关设备。
技术介绍
1、目前光纤通信系统常用脉冲幅值调制方式(简称pam方式)对光信号进行调制，因此，在光纤通信系统接收端需要对电信号采样值进行识别，从而恢复原始比特流，因此，提高光纤通信系统对pam电信号的识别精度是极为重要的。
2、相关技术中，作为光纤通信中收发光信号的设备，光纤收发器主要通过数字信号处理技术对光信号进行处理，由于相较于数字信号处理技术，脉冲神经网络(snn)天然对信号具有更强的特征提取能力以及更快的处理速度。因此，将脉冲神经网络应用于光通信系统从而提高对pam电信号的识别精度是亟待解决的技术问题。
技术实现思路
1、本申请提供一种基于脉冲神经网络的pam电信号识别方法、装置、设备及计算机可读存储介质，旨在提高光通信系统对pam电信号的识别精度。
2、第一方面，本申请实施例提供一种基于脉冲神经网络的pam电信号识别方法，所述基于脉冲神经网络的pam电信号识别方法包括：
3、对pam-n电信号对应的l个采样值进行数值转化，得到l个转化后的采样值，其中，l为正整数；
4、针对每个转化后的采样值，分配n个输入神经元，基于硬件噪声环境的测量结果得到n个数，并基于得到的n个数以及每个转化后的采样值计算得到每个输入神经元的脉冲发放时刻，其中，n为正整数，每个输入神经元在一个预设时长内发放一个脉冲；
5、基于l*n个输入神经元在各自脉冲发放时刻
6、基于每个lif神经元的新的膜电位电压超过阈值时发放的脉冲通过第二预设公式对每个积分神经元的膜电位电压进行更新，计算得到每个积分神经元的新的膜电位电压；
7、q′个预设时长后，以多个积分神经元的最新的膜电位电压中最大的膜电位电压对应的积分神经元作为目标积分神经元；
8、基于目标积分神经元的序号与pam-n电信号之间的对应关系以及目标积分神经元的序号识别pam-n电信号。
9、结合第一方面，在一种实施方式中，所述对pam-n电信号对应的l个采样值进行数值转化，得到l个转化后的采样值的步骤，包括：
10、针对l个采样值中第q个待转化的采样值，确定l个采样值中的最大采样值和最小采样值；
11、将所述最大采样值、所述最小采样值以及l个采样值中第q个待转化的采样值代入第三预设公式，计算得到l个采样值中第q个转化后的采样值，其中，第三预设公式如下：
12、
13、其中，lq′用于表示第q个转化后的采样值，lq用于表示l个采样值中第q个待转化的采样值，lmax用于表示l个采样值中的最大采样值，lmin用于表示l个采样值中的最小采样值，r用于表示比例常数，q∈[1，l]，q为正整数；
14、以此类推，得到l个转化后的采样值。
15、结合第一方面，在一种实施方式中，所述基于得到的n个数以及每个转化后的采样值计算得到每个输入神经元的脉冲发放时刻的步骤，包括：
16、将得到的n个数分别乘以对应的预设值，得到n个乘积；
17、针对第q个转化后的采样值对应的第i个输入神经元的脉冲发放时刻，将第q个转化后的采样值以及第i个乘积代入第四预设公式，计算得到第q个转化后的采样值对应的第i个输入神经元的脉冲发放时刻，其中，第四预设公式如下：
18、
19、其中，tq_i用于表示第q个转化后的采样值对应的第i个输入神经元的脉冲发放时刻，lq′用于表示第q个转化后的采样值，ni用于表示n个乘积中的第i个乘积，a用于表示比例常数，o用于表示偏置常数；
20、以此类推，计算得到每个输入神经元的脉冲发放时刻。
21、结合第一方面，在一种实施方式中，所述基于l*n个输入神经元在各自脉冲发放时刻发放的脉冲通过第一预设公式对每个lif神经元的膜电位电压进行更新，计算得到每个lif神经元的新的膜电位电压的步骤，包括：
22、针对第j个lif神经元，将第i个输入神经元在t时刻发放的脉冲代入第一预设公式对第j个lif神经元的膜电位电压进行更新，计算得到第j个lif神经元的新的膜电位电压，第一预设公式如下：
23、
24、其中，vlif-j(t)用于表示第j个lif神经元的新的膜电位电压，τm用于表示膜时间常数，vlif_j(t-1)用于表示第j个lif神经元更新之前的膜电位电压，vreset用于表示复位电压，用于表示连接第j个lif神经元和第i个输入神经元的突触的权重，si(t)用于表示第i个输入神经元在t时刻发放的脉冲；
25、以此类推，计算得到每个lif神经元的新的膜电位电压。
26、结合第一方面，在一种实施方式中，所述基于每个lif神经元的新的膜电位电压超过阈值时发放的脉冲通过第二预设公式对每个积分神经元的膜电位电压进行更新，计算得到每个积分神经元的新的膜电位电压的步骤，包括：
27、针对第p个积分神经元，将lif神经元发放的脉冲s(t)代入第二预设公式对第p个积分神经元的膜电位电压进行更新，计算得到第p个积分神经元的新的膜电位电压，第二预设公式如下：
28、
29、其中，v′用于表示第p个积分神经元的新的膜电位电压，用于表示表示连接第j个lif神经元和第p个积分神经元的突触的权重，sj(t)用于表示第j个lif神经元发放的脉冲；
30、以此类推，计算得到每个积分神经元的新的膜电位电压。
31、第二方面，本申请实施例提供了一种基于脉冲神经网络的pam电信号识别装置，所述基于脉冲神经网络的pam电信号识别装置包括：
32、数值转化模块，用于对pam-n电信号对应的l个采样值进行数值转化，得到l个转化后的采样值，其中，l为正整数；
33、第一计算模块，用于针对每个转化后的采样值，分配n个输入神经元，基于硬件噪声环境的测量结果得到n个数，并基于得到的n个数以及每个转化后的采样值计算得到每个输入神经元的脉冲发放时刻，其中，n为正整数，每个输入神经元在一个预设时长内发放一个脉冲；
34、第二计算模块，用于基于l*n个输入神经元在各自脉冲发放时刻发放的脉冲通过第一预设公式对每个lif神经元的膜电位电压进行更新，计算得到每个lif神经元的新的膜电位电压，其中，当lif神经元的新的膜电位电压超过阈值时，lif神经元发放一个脉冲；
35、第三计算模块，用于基于每个lif神经元的新的膜电位电压超过阈值时发放的脉冲通过第二预设公式对每个积分神经元的膜电位电压进行更新，计算得到每个积分神经元的新的膜电位电压；
36、最大值选取模块，用于q′个预设时长后，以多个本文档来自技高网...
【技术保护点】
1.一种基于脉冲神经网络的PAM电信号识别方法，其特征在于，所述基于脉冲神经网络的PAM电信号识别方法包括：
2.如权利要求1所述的基于脉冲神经网络的PAM电信号识别方法，其特征在于，所述对PAM-n电信号对应的L个采样值进行数值转化，得到L个转化后的采样值的步骤，包括：
3.如权利要求1所述的基于脉冲神经网络的PAM电信号识别方法，其特征在于，所述基于得到的N个数以及每个转化后的采样值计算得到每个输入神经元的脉冲发放时刻的步骤，包括：
4.如权利要求1所述的基于脉冲神经网络的PAM电信号识别方法，其特征在于，所述基于L*N个输入神经元在各自脉冲发放时刻发放的脉冲通过第一预设公式对每个LIF神经元的膜电位电压进行更新，计算得到每个LIF神经元的新的膜电位电压的步骤，包括：
5.如权利要求1所述的基于脉冲神经网络的PAM电信号识别方法，其特征在于，所述基于每个LIF神经元的新的膜电位电压超过阈值时发放的脉冲通过第二预设公式对每个积分神经元的膜电位电压进行更新，计算得到每个积分神经元的新的膜电位电压的步骤，包括：
6.一种基
7.如权利要求6所述的基于脉冲神经网络的PAM电信号识别装置，其特征在于，所述第一计算模块，用于：
8.如权利要求6所述的基于脉冲神经网络的PAM电信号识别装置，其特征在于，所述第二计算模块，用于：
9.一种基于脉冲神经网络的PAM电信号识别设备，其特征在于，所述基于脉冲神经网络的PAM电信号识别设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于脉冲神经网络的PAM电信号识别程序，其中所述基于脉冲神经网络的PAM电信号识别程序被所述处理器执行时，实现如权利要求1至5中任一项所述的基于脉冲神经网络的PAM电信号识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于脉冲神经网络的PAM电信号识别程序，其中所述基于脉冲神经网络的PAM电信号识别程序被处理器执行时，实现如权利要求1至5中任一项所述的基于脉冲神经网络的PAM电信号识别方法的步骤。
...【技术特征摘要】
1.一种基于脉冲神经网络的pam电信号识别方法，其特征在于，所述基于脉冲神经网络的pam电信号识别方法包括：
2.如权利要求1所述的基于脉冲神经网络的pam电信号识别方法，其特征在于，所述对pam-n电信号对应的l个采样值进行数值转化，得到l个转化后的采样值的步骤，包括：
3.如权利要求1所述的基于脉冲神经网络的pam电信号识别方法，其特征在于，所述基于得到的n个数以及每个转化后的采样值计算得到每个输入神经元的脉冲发放时刻的步骤，包括：
4.如权利要求1所述的基于脉冲神经网络的pam电信号识别方法，其特征在于，所述基于l*n个输入神经元在各自脉冲发放时刻发放的脉冲通过第一预设公式对每个lif神经元的膜电位电压进行更新，计算得到每个lif神经元的新的膜电位电压的步骤，包括：
5.如权利要求1所述的基于脉冲神经网络的pam电信号识别方法，其特征在于，所述基于每个lif神经元的新的膜电位电压超过阈值时发放的脉冲通过第二预设公式对每个积分神经元的膜电位电压进行更新，计算得到每个积分神经元的新的膜电位电压的步骤，包括：
【专利技术属性】
技术研发人员：柯特，朱盈，肖希，
申请(专利权)人：武汉邮电科学研究院有限公司，
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。