[发明专利]基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法

摘要

本发明提供一种基于自适应非迭代聚类的相干光调制格式识别方法，该方法根据信号在stokes空间最小二乘平面上的分布，构建两个简单的参数建立决策图进行聚类中心的选取，同时根据不同调制格式及信噪比的情况，自适应地选择决策图上聚类中心的判决阈值，从而实现较高的识别精度。该方法既利用了Stokes空间调制方法对相干光接收机大相位噪声和偏振串扰不敏感的优点，同时突破此类算法对高阶调制格式识别精度较低、算法复杂度较高的限制，实现在较低信噪比下高阶调制格式的较高识别正确率，无需迭代计算，具有相对较低的复杂度。 1

主权项

1.基于自适应非迭代聚类的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，将不同调制格式的样本信号进行Stokes空间映射并拟合其最小二乘平面，旋转Stokes空间信号，使其最小二乘平面与S₂和S₃轴组成的平面重合；对不同调制格式的样本信号映射后最小二乘平面上的信号计算第一识别特征参量，作为决策树分类器的第一个分类节点，区分信号属于高阶调制格式{PM‑32QAM、PM‑64QAM}还是低阶调制格式{PM‑QPSK、PM‑8QAM、PM‑16QAM}；对于高阶调制格式{PM‑32QAM、PM‑64QAM}的样本信号，根据其在Stokes空间的最小二乘平面上某一区域的分布不同，计算第二识别特征参量，作为决策树分类器的第二个分类节点；对于低阶调制格式{PM‑QPSK、PM‑8QAM、PM‑16QAM}的样本信号，应用自适应非迭代聚类算法计算其在最小二乘平面上的聚类中心个数，并基于聚类中心个数计算第三识别特征参量、第四识别特征参量，分别作为决策树分类器的第三、四个分类节点；然后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空间映射并拟合其最小二乘平面，然后对映射后Stokes空间最小二乘平面上的信号计算第一识别特征参量，将第一识别特征参量输入到步骤(1)建立的决策树分类器中，初步判别当前信号的调制格式为低阶{PM‑QPSK、PM‑8QAM、PM‑16QAM}还是高阶{PM‑32QAM、PM‑64QAM}调制格式；若为高阶{PM‑32QAM、PM‑64QAM}调制格式，对Stokes空间最小二乘平面上的信号计算第二识别特征参量，将第二识别特征参量输入到步骤(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；若为低阶{PM‑QPSK、PM‑8QAM、PM‑16QAM}调制格式，应用自适应非迭代聚类算法计算其在最小二乘平面上的聚类中心个数，并基于聚类中心个数计算第三识别特征参量、第四识别特征参量，将第三识别特征参量、第四识别特征参量输入到步骤(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。

2.根据权利要求1所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述(2)中X、Y两路正交的偏振信号进行Stokes空间映射的具体公式如下：

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_y的共轭；S₀、S₁、S₂、S₃表示Stokes空间映射后的各参量，其中S₀代表光信号的总功率；(S₁，S₂，S₃)表示构成的三维坐标，代表光信号的不同偏振态；具体到每个坐标轴，S₁代表水平方向上的线偏振光，S₂代表45度角方向上的线偏振光，S₃代表圆偏振光。

3.根据权利要求1所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述(1)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。

4.根据权利要求2所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述第一识别特征参量表示如下：

其中R表示第一识别特征参量，Ω定义为最小二乘平面上|S₂|＞1且|S₃|＞1的区域，LSP表示最小二乘平面。

5.根据权利要求2所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述第二识别特征参量表示为最小二乘平面上某一区域包含的数据点的数量，其中所述最小二乘平面上某一区域表示为由两条圆弧S₂²+S₃²＝[max(S₃)‑0.15]²、S₂²+S₃²＝[max(S₃)‑0.45]²，以及两条直线S₃＝tan(0.7)S₂、S₃＝tan(0.87)S₂围成的区域，max(S₃)表示最小二乘平面上所有数据点的坐标中|S₃|的最大值。

6.根据权利要求2所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述第三识别特征参量表示为最小二乘平面上的数据点经过自适应非迭代聚类算法聚类之后得到的聚类中心点个数。

7.根据权利要求2所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述第四识别特征参量表示为最小二乘平面上的数据点经过自适应非迭代聚类算法聚类之后得到的所有聚类中心点中，本地密度ρ满足条件的聚类中心点的个数，其中max(ρ)表示所有的数据点中本地密度最大的数据点的密度值。

8.根据权利要求1～7任一项所述的基于自适应非迭代聚类的Stokes空间相干光调制格式识别方法，其特征在于：所述自适应非迭代聚类算法计算聚类中心个数的具体过程如下：

Stokes空间最小二乘平面上的每个数据点计算其本地密度ρ和相对最小距离δ两个参数；由这两个参数构建二维判决图，其中聚类中心点位于判决图的右上方，聚类中心点满足以下条件：

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/201711428631.3/，转载请声明来源钻瓜专利网。