[发明专利]基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法及实现系统

权利要求书

1.基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法，其特征在于，用于得到最优电平值，最优电平值控制射频放大器为马赫曾德尔调制器提供驱动信号，并对马赫曾德尔调制器进行补偿，使得基于高阶QAM调制格式的超高速相干光通信系统能够工作在射频放大器和马赫曾德尔调制器的非线性区而不失真，该方法包括：

(1)构建K-means聚类算法模型的训练数据集；

(2)使用训练数据集训练K-means聚类算法模型；

(3)将需要分类的射频放大器和马赫曾德尔调制器的参数输入到训练好的K-means聚类算法模型中，将需要分类的射频放大器和马赫曾德尔调制器的参数划分到距离类别中心最近邻的类别中，最近邻的类别所对应的电平值为需要分类的射频放大器和马赫曾德尔调制器的参数所对应的最优电平值；

(4)将步骤(3)得到的最优电平值转换为模拟信号；

(5)射频放大器再将步骤(4)得到的模拟信号转换为马赫曾德尔调制器的驱动信号，对马赫曾德尔调制器进行补偿。

2.根据权利要求1所述的基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法，其特征在于，步骤(1)中，构建K-means聚类算法模型的训练数据集的具体过程为：

A、配置基于高阶QAM调制格式的超高速相干光通信系统中射频放大器的参数和马赫曾德尔调制器的参数，然后配置基于高阶QAM调制格式的超高速相干光通信系统的电平值，并对基于高阶QAM调制格式的超高速相干光通信系统的误比特率进行测试；

B、当基于高阶QAM调制格式的超高速相干光通信系统的误比特率大于等于门限值时，则重新配置电平值到基于高阶QAM调制格式的超高速相干光通信系统中，直至误比特率低于门限值；然后进行步骤C；

当基于高阶QAM调制格式的超高速相干光通信系统的误比特率小于门限值时，然后进行步骤C；

C、将射频放大器的一组参数、马赫曾德尔调制器的一组参数及电平值作为训练数据集的一个数据，并将该电平值作为最佳电平值。

3.根据权利要求2所述的基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法，其特征在于，射频放大器的参数包括射频放大器的带宽、增益、1dB压缩点和三阶交调点；

马赫曾德尔调制器的参数包括马赫曾德尔调制器的调制带宽、半波电压、插入损耗、消光比和偏置电压。

4.根据权利要求1所述的基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法，其特征在于，步骤(2)中，使用训练数据集训练K-means聚类算法模型，具体过程为：

A、将射频放大器的带宽、增益、1dB压缩点、三阶交调点以及马赫曾德尔调制器的调制带宽、半波电压、插入损耗、消光比和偏置电压组成的9维向量作为分类对象；

B、初始化K个聚类中心，K为正整数，K个聚类中心分别为C1，C2，...Ck；每一个聚类中心均为射频放大器的带宽、增益、1dB压缩点、三阶交调点以及马赫曾德尔调制器的调制带宽、半波电压、插入损耗、消光比和偏置电压组成的9维向量；

C、根据分类对象与聚类中心的距离，将每个分类对象划分到距离最近的聚类中心的类中；

D、将每一类中的所有对象的均值作为新的聚类中心；

E、重复步骤C-D，聚类过程不断迭代，直到得到的新的聚类中心与上一次得到的聚类中心的距离小于设定值为止。

5.根据权利要求1所述的基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法，其特征在于，步骤(3)中，先将需要分类的射频放大器和马赫曾德尔调制器的参数需要组成一个9维向量，再输入到训练好的K-means聚类算法模型中。

6.基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法的实现系统，用于实现权利要求1-5所述的非线性补偿方法，其特征在于，该系统包括：

机器学习单元，将需要分类的射频放大器和马赫曾德尔调制器的参数输入到训练好的K-means聚类算法模型中，得到对应的电平值，使得机器学习单元输出的电平值能够使得基于高阶QAM调制格式的超高速相干光通信系统工作在射频放大器和马赫曾德尔调制器的非线性区而不失真；

数模转换器，用于将机器学习单元输出的电平值转换为模拟信号；

射频放大器，用于将数模转换器输出的模拟信号转换为马赫曾德尔调制器的驱动信号，对马赫曾德尔调制器进行补偿；

激光器，用于提供光载波，并将光载波输入到马赫曾德尔调制器中；

马赫曾德尔调制器，用于将射频放大器单元输出的驱动信号转换为光信号。