[发明专利]基于光谱特征的光信号调制格式识别方法在审
申请号: | 201510821473.2 | 申请日: | 2015-11-24 |
公开(公告)号: | CN105515650A | 公开(公告)日: | 2016-04-20 |
发明(设计)人: | 崔晟;尚进;柯昌剑;刘德明 | 申请(专利权)人: | 华中科技大学 |
主分类号: | H04B10/075 | 分类号: | H04B10/075 |
代理公司: | 北京华沛德权律师事务所 11302 | 代理人: | 房德权 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 光谱 特征 信号 调制 格式 识别 方法 | ||
技术领域
本发明涉及光纤通信,光信号的调制解调和数字信号处理技术领域。
背景技术
随着光通信技术发展,光通信网络中存在着越来越多不同速率和调制 格式的光信号以满足不同的数据传输业务的需求。最常用的包括开关键控 (OOK)、光双二进制(ODB)、二进制相移键控(BPSK)、正交相移 键控(QPSK)、十六进制正交幅度调制(16QAM)等格式的光信号。另 一方面光信号常用的速率包括2.5Gbps,10Gbps、40Gbps和100Gbps等 等。不同的调制格式的光信号存在不同的优势,适用于不同的场景。一般 而言低级调制格式适用于信噪比较低的场景,而高级调制格式适合于高速、 高容量传输系统。包含各种类型光信号的光网络称为异构光网络,此类光 网络的监测、管理,以及终端节点处光信号的接收都需要首先识别出信号 的波特率和调制格式等信息。这些识别技术需要在复杂环境,有噪声干扰 和信道损伤的条件下,不依赖于其它的先验知识,确定光信号的调制格式 和速率等调制参数,为信号的进一步分析、处理和解调提供依据。
目前提出的调制识别方法的基本框架包括三个部分:信号预处理部分、 提取特征参数部分和分类识别部分。信号预处理包括频率下变频、同相(I) 和正交(Q)分量分离、载频估计、符号速率估计等,它为下一步的特征 提取做准备。特征提取是从预处理后的信中提取信号的时域或变换域特征 参数。时域特征包括瞬时幅度、瞬时频率、瞬时相位;变换域特征包括功 率谱、谱相关函数、时频分布及其它统计参数。按照提取的信号特征的不 同,可对信号调制识别方法进行分类。常用的分类算法包括最大似然方法、 特征识别方法、基于星座图方法、决策论方法、基于人工神经网络(ANN) 方法、基于支持向量机方法等。
光信号调制格式的识别相对于无线信号的识别起步较晚。与无线信号 不同的是光信号传输过程中由于光纤介质的色散(CD)会发生严重的脉冲 展宽,长距离传输时这种展宽甚至可以覆盖相邻数百甚至数千个符号。此 外偏振模色散(PMD)还会导致信号偏振方向的发生随机变化和相互耦合。 CD和PMD失真会导致在信号预处理部分信号I/Q分量和波形瞬时特征难 以被直接提取。此外由于光信号调制速率一般10G~100G波特以上,远 远高于无线电射频信号,对于光探测器的带宽,模数转换(ADC)和数字 信号处理(DSP)器件速率的要求极高,很难采用无线信号识别中使用的 复杂的识别算法,必须采用更为简单有效的识别方法。
目前已经提出光信号调制格式的识别主要是基于异步幅度直方图特 征,基于全光非线性器件,基于数字相干光接收机和基于信号光谱特征。 基于异步幅度直方图的识别方法是利用低于信号速率的异步采样获得信号 幅度大小分布直方图情况,再利用ANN对其特征进行识别。此方法对六 种常用光调制格式,包括一些高级调制格式都能较好的自动识别,但其对 光纤色度色散(CD)和偏振模色散(PMD)损伤的容限较小,限制了其 实用性。基于全光非线性器件的识别方法是利用非线性效应中的四波混频 (FWM)效应提供的非线性功率传输函数(NPTF)对信号波形随色散的 变化进行检测,获取其变化曲线,进而将所述曲线与已知调制格式的曲线 样本进行匹配从而识别信号调制格式的。该方法的优点是对信号速率无限 制,系统结构简单,缺点是器件体积较大,功耗较高,工作波段受限。基 于数字相干光接收机的识别方法是通过提取信号的I/Q分量获取信号幅 度,相位信息,进而得到信号星座图从而识别光信号,这种方法适用范围 广,具有很强的抗CD和PMD损伤的能力,但是系统结构复杂,成本极 高,依赖于高速光电转换器件,存在速率受限的问题。
发明内容
本发明所要解决的技术问题是提出一种基于光谱特征的光信号调制格 式识别方法,它具有对CD,PMD损伤容限大,工作波段宽,结构简单, 对信号速率无限制等优点。
为解决上述技术问题,本发明提出来一种基于光谱特征的光信号调制 格式识别方法,包括以下步骤:
在首次识别光信号前,对主成分分析(PCA)算法模块和支持向量机 (SVM)算法识别模块执行至少一次训练程序,得到训练后的PCA模块和 SVM模块,所述PCA模块具有用于提取特征向量的转换矩阵,所述SVM模 块具有用于识别信号的最佳预测分类模型;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510821473.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种卫星模拟检测仪
- 下一篇:卫星通信方法、系统及接入侧设备