[发明专利]一种大气湍流下无线光通信副载波调制星座图识别方法

说明书

本发明公开的一种大气湍流下无线光通信副载波调制星座图识别方法，包括建立大气湍流信道数学模型；根据大气湍流信道数学模型，获得经过大气湍流信道后副载波调制信号的星座图，进行模糊C均值聚类并提取其硬趋势均值特征参数；设计改进三层BP神经网络分类器，将特征参数对改进BP网络进行训练，用训练好的网络最后进行星座图识别。本发明的大气湍流下无线光通信副载波调制星座图识别方法，技术路线简单、经济而且切实可行，易于实现，提高了大气湍流导致的较大光强起伏下副载波高阶调制的正确识别率，能够很好的抑制大气湍流对星座图识别检测的影响。

技术领域

本发明属于通信技术领域，具体涉及一种大气湍流下无线光通信副载波调制星座图识别方法。

背景技术

无线光通信普遍采用强度调制/直接检测系统，强度调制可分为脉冲调制和连续波调制两种。副载波调制是一种连续波调制，与OOK调制相比，副载波调制不需要自适应阈值检测就可达到最佳差错性能，可以有效抑制大气湍流影响。和PPM调制相比较，也不需要增加系统带宽要求。大气信道是一种有记忆的时变信道，大气散射和大气湍流对副载波调制信号星座图相位影响较大，所导致的相位模糊、相位偏移等给星座图相位识别带来巨大困难。在信息对抗中，调制识别是从已调制信号的数据中提取信号的振幅、频率以及相位等特征信息，对非合作方通信来进行有效的信道、频谱监测、电子对抗以及干扰源识别等。采用信号谱线的调制识别一般是基于信号幅值分布进行，但是实际信号的调制信息是综合表征在幅值和相位分布上，仅利用幅值信息，其性能受限。调制信号星座图提供了信号相位的结构以及各种不同调制状态的关系，是数字调制方式设计与分析的经典工具。因此，采用星座图中的相位信息结合神经网络可有效地进行无线光副载波调制格式的自动识别，尤其可以有效抑制光强起伏对于高阶调制类型检测识别的影响，提高在较强光强振幅起伏方差下的高阶调制识别率。

发明内容

本发明的目的在于提供一种大气湍流下无线光通信副载波调制星座图识别方法，解决了大气湍流光强起伏导致高阶调制识别率低的问题。

本发明所采用的技术方案是：一种大气湍流下无线光通信副载波调制星座图识别方法，具体按照以下步骤实施：

步骤1：建立大气湍流信道数学模型；

步骤2：根据步骤1建立的大气湍流信道数学模型，获得经过大气湍流信道后副载波调制信号的星座图，进行模糊C均值聚类并提取其硬趋势均值特征参数；

步骤3：设计改进三层BP神经网络分类器，将步骤2中提取的特征参数对改进BP网络进行训练，用训练好的网络最后进行调制星座图识别。

本发明的特点还在于，

步骤1建立大气湍流信道数学模型，具体按照以下步骤实施：设x(t)为发射端已调副载波信号，y(t)为接收机输出信号，则y(t)＝I(t)x(t)+n(t)，式中，I(t)是大气信道状态信息，表征为大气湍流强度，弱湍流情况则服从对数正态分布，强湍流情况服从负指数分布或K分布，n(t)为高斯白噪声，均值为0，方差为σ2。

步骤2中进行模糊C均值聚类并提取其硬趋势均值特征参数的具体实施步骤为：

步骤2.1：利用模糊C均值算法把n个待分类的星座图样本点xi(i＝1,2,...,n)划分为c个模糊组，求出每组的聚类中心，使得非相似性指标的价值函数达到最小；利用隶属度定义样本数据隶属于每一类的概率，隶属矩阵U取值为[0，1]之间的实数值，而且样本点隶属于每一类的取值和为1：