[发明专利]一种光信号调制格式的识别方法及装置

说明书

本发明的实施例提供一种光信号调制格式的识别方法及装置，能够提高调制格式识别的准确度。光信号接收设备从传输光纤接收待识别光信号并解复用为第一光信号和第二光信号；对第一光信号和第二光信号进行采样，得到至少一组待识别数字信号；将每组待识别数字信号映射为待识别数字信号的Stokes空间中的Stokes向量；在待识别数字信号的Stokes空间中，确定与至少一个理想光信号在理想数字信号的Stokes空间确定的第一目标能量层对应的第二目标能量层；通过机器学习算法获取第二目标能量层中的Stokes向量的聚类数N；若确定聚类数N与目标理想数字信号的第一目标能量层中的Stokes向量的聚类数N_det的差值满足预定条件，则确定待识别光信号与目标理想光信号采用相同的调制格式。

技术领域

本发明的实施例涉及通信领域，尤其涉及一种光信号调制格式的识别方法及装置。

背景技术

随着数据业务需求的高速发展，对光纤传输容量的要求也逐步攀升，模分复用作为一种扩容方式得到了广泛的重视和研究。模分复用信号在光纤传输过程中由于光纤中存在杂质并且会受到外界的干扰等因素，不同光路信号间会相互串扰，因此需要在接收端采用解复用算法等信号处理算法对不同光路信号进行区分。在知道信号调制格式的情况下可以更好的进行信号处理算法选择。同时，在接入网中不同用户所需的光纤长度不同，根据不同信道可能选择不同调制格式，因此需要算法对混合调制格式信号的调制格式进行识别。

模分复用中的信号通常采用相移键控(phase-shiftkeying，PSK)调制以及正交相位调制(quadrature amplitude modulation，QAM)等，调制格式识别通常采用的方法包括：利用K-means算法进行星座图检测，需要事先训练的人工神经网络识别技术，以及基于Stokes空间和机器学习处理的识别技术。其中基于Stokes空间和机器学习处理的识别技术通常采用对全部Stokes向量数据进行机器学习算法处理，对直接从Stokes聚类进行数量识别出的聚类数进行分析，实现调制格式识别。具体为，在Stokes空间中，当调制阶数较小时，现有的机器学习算法可以较准确的对Stokes聚类数进行识别，但当调制阶数较大时，Stokes空间中的聚类数也会随之增加，由于信道噪声的影响，Stokes空间中的聚类间会发生相互重叠等，对于机器学习算法的识别准确度会产生严重影响。

现有的基于Stokes空间的调制格式识别技术利用全部Stokes向量数据直接进行机器学习算法处理，或者利用全部数据进行最小二乘(least mean square，LMS)拟合进行预处理，由于Stokes聚类是空间分布，用所有数据直接进行平面拟合得到最小二乘平面等方法并不准确。其次，上述方法通常由于信道噪声的存在对识别结果准确度产生较大的影响。

发明内容

本发明的实施例提供一种光信号调制格式的识别方法及装置，能够提高调制格式识别的准确度。