[发明专利]用于短距离光通信的基于特征工程的KNN均衡算法在审

专利信息
申请号: 201910023077.3 申请日: 2019-01-10
公开(公告)号: CN109740690A 公开(公告)日: 2019-05-10
发明(设计)人: 毕美华;俞嘉生;杨国伟;胡志蕊;周雪芳;池灏;胡淼;李齐良 申请(专利权)人: 杭州电子科技大学
主分类号: G06K9/62 分类号: G06K9/62;H04B10/114;H04B10/40
代理公司: 杭州千克知识产权代理有限公司 33246 代理人: 周希良
地址: 310018 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开一种用于短距离光通信的基于特征工程的KNN均衡算法,包括如下步骤:步骤1:将接收端采样后的包含训练序列的数据输入到特征工程模块,构建特征向量并进行特征处理;步骤2:训练序列发生器重新产生训练序列,作为与训练序列的特征向量相对应的标签,构成训练集;步骤3:对有效数据使用相同的特征工程得到其特征向量,将训练集和有效数据的特征向量当作KNN分类器的输入;步骤4:根据特征空间中,每个有效数据离其最近的k个训练数据的类别,KNN分类的结果即为均衡输出。本发明解决了低成本短距离光通信系统中码间串扰、信号失真等造成系统的性能下降的问题,相比于传统DFE、FFE均衡器,提升了均衡性能,降低了滤波器的抽头系数。
搜索关键词: 特征向量 训练序列 短距离光通信 有效数据 均衡算法 训练集 滤波器 抽头系数 均衡输出 均衡性能 码间串扰 特征处理 特征空间 信号失真 性能下降 训练数据 重新产生 发生器 低成本 接收端 均衡器 采样 构建 标签
【主权项】:
1.用于短距离光通信的基于特征工程的KNN均衡算法,其特征在于,包括如下步骤:步骤1:将接收端采样后的包含训练序列的数据输入到特征工程模块,采用特征工程模块为训练序列中的每个数据构建特征向量,并进行特征处理;步骤2:训练序列发生器重新产生训练序列,作为与训练序列的特征向量相对应的标签,构成训练集;步骤3:对有效数据使用相同的特征工程得到其特征向量,将训练集和有效数据的特征向量作为KNN分类器的输入;步骤4:根据特征空间中,每个有效数据离其最近的k个训练数据的类别,决定有效数据的类别,KNN分类的结果即为均衡输出。
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。

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杭州电子科技大学,未经杭州电子科技大学许可,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/201910023077.3/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top