[发明专利]用于64-QAM相干光传输系统的缓和光纤非线性方法

摘要

本发明涉及本发明公开了一种用于64‑QAM相干光传输系统缓和光纤非线性的方法，对接收到的64‑QAM数据进行处理。首先将接收到的数据集分成64个簇，找到64个簇中心，并且找到每个数据点属于的簇。本次发明的k‑means SVM算法是一种全局最优泛化算法，利用简单结构的k‑means算法对无噪声信号点进行分类，然后应用SVM分类器来缓和失真信号。在所提出的方法中，我们利用k‑means聚类算法对无噪声64‑QAM信号进行分类，从而减少支持向量的数量，以节省SVM分类器的实现时间。同时，我们使用SVM分类器进行噪声泛化，以提高损伤信号的性能。本发明能够快速和准确地选取出k‑means聚类的全局最优质心，并且很好地缓和了光纤中克尔非线性的影响，同时得到与SVM算法差不多的误码率性能。

主权项

1.一种用于64‑QAM相干光传输系统的缓和光纤非线性方法，其特征在于，包括：设置训练序列数据{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中xn是复数，表示接收到的训练数据，n是训练序列的长度，yn表示对应于xn的标签且共有64种；在发射机中，将长度为n的训练序列插入到发射信号前，调制发射出一个64‑QAM光信号，经过光纤传输之后，在相干光接收机中，经过相位恢复算法之后，获得64簇星座点；将训练序列与发射信号区分，根据已知的训练序列标签估计光纤通道特性，并且将接收到的训练数据分为64簇；最后将每个簇中的训练序列在等式1中进行平均，得到64个簇质心C_i；i＝1，2，3，...，64，其中N是第i个簇群中的数据长度，D_j是第i个簇群中的第j个数据；在分类信号中，计算簇质心与每个簇信号点之间的距离；判断该距离是否超过预设值c；若是，将这些数据表示为噪声信号，根据训练序列数据使用SVM分类处理，获得相应的已知标签yn1；否则，通过k‑means聚类算法处理数据获得标签yn2；将标签yn1和yn2按顺序合并。