[发明专利]基于DENCLUE聚类的Stokes空间相干光调制格式识别方法

摘要

本发明提供的调制格式识别方法采用Stokes空间中信号的高阶累积量和基于DENCLUE算法聚类出的聚类中心点数作为特征参量用于调制格式信号的识别，采用简单的决策树分类器，具有较低的计算复杂度、对偏振旋转、载波频偏、载波相位噪声等光纤信道损伤不敏感，可以在较低光信噪比的情况下实现较高正确率的识别，且与现有商用光纤通信系统数字信号处理算法融合度高，易于从现有系统升级。

主权项

1.基于DENCLUE聚类的Stokes空间相干光调制格式识别方法，其特征在于：包括以下步骤：

(1)训练阶段：设置不同调制格式的样本信号，将样本信号进行Stokes空间映射并进行最小二乘平面拟合，对映射后的信号计算高阶累积量，初步构造决策树分类器用来区分当前信号的调制格式为8PSK、8QAM还是{BPSK、QPSK、16QAM}；针对{BPSK、QPSK、16QAM}调制格式的样本信号应用改进的DENCLUE聚类算法计算最小二乘平面上的聚类中心点数，以聚类中心点数为特征参量，针对不同的光信噪比情况，根据最优贝叶斯分类原则构造决策树结构及判决门限值，完善决策树分类器的构造；

(2)识别阶段：将当前相干光接收机接收到的X、Y两路正交的偏振信号进行Stokes空间映射，然后对映射后的信号计算高阶累积量，将高阶累积量输入到步骤(1)建立的决策树分类器中，判别当前信号的调制格式为8PSK、8QAM还是{BPSK、QPSK、16QAM}，若为{BPSK、QPSK、16QAM}调制格式则应用改进的DENCLUE聚类算法计算信号经过stokes空间映射后在Stokes空间最小二乘平面上的聚类中心点数，将聚类中心个数输入到步骤(1)建立的决策树分类器中，判别出当前信号的具体调制格式；

所述步骤(1)、(2)中，应用改进的DENCLUE聚类算法计算聚类中心点数的具体过程如下：

1)确定高密度网格：对信号经过stokes空间映射后在Stokes空间形成的最小二乘平面上设计一个区域半径，对区域半径外的数据空间以2σ为宽度的网格进行网格划分，划分的网格内若包含有数据点，则确定为非空网格，否则为空网格；设非空网格集为C_p，网格内包含的数据点的数量记为N_c，当C_sp＝{c∈C_p|N_c＞ξ_c}时，确定非空网格集中的网格c为高密度网格C_sp，ξ_c为设定的密度阈值；

2)计算高密度网格内的数据点的密度值：

设高密度网格内的数据点用特征向量D＝{x₁,…,x_N}表示，则D中任意一个数据点的密度值计算公式如下：

其中d(x,x_i)为第i个数据点x_i到数据点x的欧氏距离；

3)确定所有的聚类中心点：选择高密度网格内任意的一个数据点的密度值作为初始解，然后通过爬山法进行更新找到高密度网格中密度值的局部极大值点作为聚类中心点。

2.根据权利要求1所述的基于DENCLUE聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述爬山法进行更新找到高密度网格中密度值的局部极大值点作为聚类中心点的具体过程如下：

其中x₀表示初始解，ξ为系数，式中计算公式是：

如果f^D(x_k+1)＜f^D(x_k)，其中k∈N，则本次计算迭代停止，并令x_k作为新的密度聚类中心点，同时进行下一次的迭代，直到找到所有聚类中心点。

3.根据权利要求1所述的基于DENCLUE聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述信号进行Stokes空间映射后，先对映射后的信号进行信号预处理，然后基于经过预处理的信号计算高阶累积量，进行信号预处理的具体过程如下：利用奇异值分解算法拟合出映射后的信号在Stokes空间中的最小二乘平面，进而得到信号在Stokes空间最小二乘平面上映射的复数随机信号，及信号在Stokes空间最小二乘平面法线方向映射的实数随机信号。

4.根据权利要求3所述的基于DENCLUE聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述基于信号在Stokes空间最小二乘平面上映射的复数随机信号y_k及信号在Stokes空间最小二乘平面法线方向映射的实数随机信号x_k计算高阶累积量的具体过程如下：

5.根据权利要求1所述的基于DENCLUE聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述识别阶段对X、Y两路正交的偏振信号进行Stokes空间映射的具体步骤如下：

其中，a_x、a_y分别表示X、Y两路正交偏振信号的幅值，为X、Y两路正交偏振信号之间的相位差，e_x、e_y分别表示X、Y两路正交偏振信号，分别表示e_x、e

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

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中山大学，未经中山大学许可，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/patent/201711428624.3/，转载请声明来源钻瓜专利网。