[发明专利]针对少模多芯OAM光纤传输概率分布的非线性补偿方法

权利要求书

1.针对少模多芯OAM光纤传输概率分布的非线性补偿方法，其特征在于：包括如下步骤：

步骤一：准备训练数据

在发送端发送训练数据，数据长度为M；数据经过处理后形成星座图，星座图中含有坐标规整排布的N个星座点；再经过OAM传输，由于传输过程中所受到的非线性损伤，使得星座图上的点旋转弥散；得到一个格式为N*2的矩阵[[x₁,y₁]；[x₂,y₂]；...；[x_n,y_n]]，此矩阵的数据为训练数据；根据星座图确定坐标点的分类为i类；由于已知N个坐标点的原始坐标位置，根据已知分类将弥散的星座图中的坐标点分成i组，每组的格式为[[x₁,y₁]；[x₂,y₂]；...；[x_n,y_n]]；

N为星座点个数，由M计算得到，且具体关系由传输过程中的调制格式决定；

步骤二：训练模型

选定分类模型，根据步骤一的i种类别下的训练数据进行求解，得到选定模型所需的参数；把参数带入模型中，求出i个所示模型的分类器；

步骤三：预测

对于未知分类的坐标点(x,y)求分类，将x,y带入i个分类器中，得到i个数值，即该点属于i个分类的概率，对比出概率最大的一个，则判定坐标点(x,y)属于该分类；根据得到的分类，将坐标点判决为二进制数据，能够提高判决的准确度，降低误码率，以此达到补偿非线性损伤的效果；

步骤二中所述的分类模型包括：

1)若为高斯分布模型，根据高斯分布模型的概率密度公式，得知公式所需参数为平均值μ和方差σ²，求出训练数据的平均值和方差，带入公式得到高斯分布分类模型；

2)若为t分布模型，根据t分布模型的概率密度公式，其中Gam为伽马函数，得知公式所需参数为自由度n、平均值μ和方差σ²，求出训练数据的自由度、平均值和方差，带入公式得到t分布分类模型；

3)若为极值分布模型，根据极值分布模型的概率密度公式，其中s为训练数据标准差，极小值分布中极小值分布中为训练数据均值，得知公式所需参数为平均值和标准差，求出训练数据的平均值和标准差，带入公式得到极值分布分类模型；

4)若根据系统概率分布特点拟合的系统概率分布模型，用训练数据画出概率密度分布，判断要使用的概率密度分布模型，然后用fittype和fit函数拟合出概率密度函数，并求出相应参数，带入到概率密度函数中，得到分类模型。