[发明专利]光OFDM信号子载波调制格式识别模型训练方法、识别方法及装置

说明书

本发明提供一种光OFDM信号子载波调制格式识别模型训练方法、识别方法及装置，所述光OFDM信号子载波调制格式识别模型训练方法和识别方法通过提取调制信号的同相分量和正交分量的幅度分布特征，将同相分量分布直方图以及正交分量分布直方图进行压缩合并，生成一张I/Q分量幅度分布直方图作为输入，利用卷积神经网络挖掘出I/Q分量幅度分布直方图和信号调制格式之间隐含的高维映射关系，基于训练得到的目标调制格式识别模型，能够基于I/Q分量幅度分布特征判断信号的调制格式，极大地简化了运算过程，提高了识别效率，在更宽的光信噪比范围内对OFDM调制信号的各种调制格式实现更精确地检出。

技术领域

本发明涉及通信技术领域，尤其涉及一种光OFDM信号子载波调制格式识别模型训练方法、识别方法及装置。

背景技术

当今社会随着信息化程度的不断加深，各式各样新的基于互联网的用户体验形式产生了巨大的通信流量需求，给光纤传输网络造成非常沉重的数据承载负担。因此，高速率大容量的骨干光传输系统将是下一代网络发展的主流。光正交频分复用(OrthogonalFrequency Division Multiplexing，OFDM)是一种将光纤通信和正交频分复用相结合的新型现代传输技术，这种传输技术既具有光纤通信的超大容量、远距离传输、高保密性、高抗电磁干扰等优势，又具有正交频分复用技术的良好的抗频率选择性衰落、抗码间串扰以及频谱高利用率的特点，基于OFDM光纤通信系统己成为未来通信领域发展的必然趋势。

OFDM光纤通信系统的自适应调制技术是在独立的子载波上进行管理的，通过在不同的子载波上优化分配不同的调制格式和功率来适应不同的信道频率响应，抵抗色散和非线性效应的影响，提高带宽利用率。由于自适应OFDM系统涉及多种调制格式，因此，对OFDM接收端的数字信号处理和符号判定还需要对信号的调制格式进行识别。

现有技术中，通常基于发射信号的电磁特征、频谱特征和统计特征等，通过似然比判决的方法识别调制格式，但是这种方法计算量较大、普适性差。

发明内容

本发明实施例提供了一种光OFDM信号子载波调制格式识别模型训练方法、识别方法及装置，以解决OFDM接收端对信号调制格式识别过程中计算量大、普适性差的问题。

本发明的技术方案如下：

一方面，本发明提供一种光OFDM信号子载波调制格式识别模型训练方法，包括：

获取多种光信噪比条件下经OFDM调制传输的多个调制信号，其中，多个调制信号由至少两种调制格式调制得到；

对各调制信号作质量恢复和OFDM解调处理，至少包括：色散补偿、符号同步、小数倍频偏估计、OFDM解调、整数倍频偏估计和信道估计；

获取质量恢复和OFDM解调后的各调制信号的I/Q分量幅度分布直方图，所述I/Q分量幅度分布直方图由同相分量分布直方图和正交分量分布直方图按设定方式拼接得到；

将各调制信号对应的I/Q分量幅度分布直方图作为输入，将各调制信号对应的调制格式添加为标签，生成训练样本集；

采用所述训练样本集对预设卷积神经网络进行训练，得到目标调制格式识别模型。

在一些实施例中，调制信号可以包含的调制格式有：BPSK、QPSK、8QAM、16QAM、32QAM和64QAM。

在一些实施例中，所述训练样本集中每种调制格式对应的调制信号数量相同，其中，将所述训练样本集中设定比例数量的样本作为训练集，其余的样本作为测试集。

在一些实施例中，所述预设卷积神经网络为AlexNet网络，所述AlexNet网络采用随机梯度下降优化器和交叉熵损失函数进行训练。

在一些实施例中，获取质量恢复和OFDM解调后的各调制信号的I/Q分量幅度分布直方图，包括：