[发明专利]一种信号补偿处理方法及装置

说明书

本发明实施例提供了一种信号补偿处理方法及装置，其中，该方法包括：获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号，可以解决相关技术中针对光通信中IQ信号之间相互影响的误码率高的问题，基于预先确定的目标模型参数对IQ接收数据信号级联变换得到的数据特征信号进行补偿，得到IQ均衡信号，降低了IQ信号的误码率。

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种信号补偿处理方法及装置。

背景技术

IQ光信号是通信中一种常用的光调制手段。通过两路正交信号上变换后叠加生成，再在接收端进行对应的下变换，可以对两路信号进行分离。然而，对于接入网系统，当I路和Q路信号不同源的时候，两路信号叠加会由于功率失配，时钟同步，非线性效应等问题而极大恶化信噪比，从而降低系统的容量。

此时则需要利用光通信中常用的均衡算法，如最小均方误差(SISO-LMS)[1]，递归最小二乘等算法(RLS，Recursive,Least Square)对信号失真进行补偿。然而，即使使用了基于Volterra级数的非线性项，对于较强的非线性效应，尤其是I，Q两路互相影响的时候，LMS(Least Mean Square)和RLS的补偿作用也是相当有限的。因此，具有复杂非线性映射能力的深度神经网络(SISO-DNN)[2]就被引入到了通信系统中作为后均衡器而存在。已有研究表明，DNN(Deep Neural Network)对于信号的后均衡等应用场合均具有良好的表现。然而，当系统非线性较强的时候，使用传统深度神经网络需要大幅度提升系统的复杂度以提供更好的均衡性能。因此，这对于实时性要求极高的通信网络来说是非常不利的因素。而且，目前已发表的大多数神经网络算法均是基于单入单出(SISO，Single Input SingleOutput)系统，而针对两路信号，如IQ两路信号之间相互影响的均衡网络研究较少。因此，开发适用于光通信的IQ信号的神经网络就成为了当前一个急需解决的问题，采用传统的深度网络误码率高，且算法复杂度高。

发明内容

本发明实施例提供了一种信号补偿处理方法及装置，以至少解决相关技术中针对光通信中IQ信号之间相互影响的误码率高的问题。

根据本发明的一个实施例，提供了一种信号补偿处理方法，包括：

获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；

对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；

根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号。

在一实施例中，根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到所述IQ均衡信号包括：

根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号；

将所述I路线性数据信号与所述I路非线性数据信号之和确定为I路均衡信号，并将所述Q路线性数据信号与所述Q路非线性数据信号之和确定为Q路均衡信号，其中，所述IQ均衡信号包括所述I路均衡信号与所述Q路均衡信号。

在一实施例中，根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号包括：

根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号；

根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号；