[发明专利]一种针对高阶QAM相干光系统的非线性均衡方法有效
申请号: | 201910299211.2 | 申请日: | 2019-04-15 |
公开(公告)号: | CN110190906B | 公开(公告)日: | 2020-08-04 |
发明(设计)人: | 毛怡帆;周宇涵;任宏亮;卢瑾;覃亚丽;乐孜纯 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | H04B10/61 | 分类号: | H04B10/61;G06K9/62 |
代理公司: | 杭州斯可睿专利事务所有限公司 33241 | 代理人: | 王利强 |
地址: | 310014 浙江省*** | 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: | 一种针对高阶QAM相干光系统的非线性均衡方法,接收端数据经相位噪声补偿后,先用FCM算法实现有效剪裁训练数据,同时对测试数据进行分类判决,从而大大缩小了后续KNN算法的测试和训练集。该方法基于传输速率112Gb/s,传输距离为160km的相干光16QAM系统进行了非线性均衡仿真验证。仿真结果表明,本发明可取得与传统KNN算法同样的系统非线性损伤补偿效果,但其算法复杂度远低于传统KNN算法,算法运行时间远小于KNN。本发明能极大促进相干光QAM系统在中长距离光纤传输中的应用。 | ||
搜索关键词: | 一种 针对 qam 相干光 系统 非线性 均衡 方法 | ||
【主权项】:
1.一种针对高阶QAM相干光系统的非线性均衡方法,其特征在于,所述方法包括以下步骤:(1)首先按下式计算星座图上各类簇的质心c′j,其中,训练数据集T={(x1,y1),(x2,y2),…,(xN,yN)},xi与yi分别表示训练数据点的特征向量及其类别,i=1,2,…,N,j=1,2,…,K,其中N为数据点总数,K为类别总数,Sj为属于第j类的数据点集合,card(·)表示集合中元素个数;(2)然后按下式计算训练集点的初始隶属度μij,表示数据点xi对于第j个聚类中心的隶属度,其中,c'k为第k个质心。(3)用初始隶属度μij计算初始聚类中心cj:(4)按下式更新隶属度μij;其中,ck为第k个聚类中心。(5)一旦获得更新后的隶属度μij后,计算如下目标函数,其中,m为模糊指数,FCM算法的训练过程即为该目标函数最小化的过程;(6)设定目标函数Jm阈值为q,如果当前目标函数值大于q,重复步骤(3)至(5),直到目标函数值小于设定阈值q;(7)测试点分类,若训练集和测试集具有相同的聚类中心,则对测试数据集中采用传统判决方式进行,即离每个聚类中心欧氏距离小于等于阈值R的点直接分类为该聚类;反之若该欧氏距离大于阈值R,则被视为该簇边缘测试点,用以下KNN算法进行;(8)对某测试点首先计算其与所有聚类中心的欧氏距离,并根据欧氏距离最小的聚类中心cj将其模糊分类为该类,筛选出训练集数据点中对于该聚类cj的隶属度μij大于某一阈值p的数据点,以此作为测试点判决的训练集T1;(9)使用筛选后的训练集对测试集使用KNN进行最终分类,过程如下:a.星座图上的点x是二维矢量,用同相和正交分量表示为(I(x),Q(x)),需要计算它与训练集T1中任意训练数据点xi的距离,根据给定的距离度量,在训练集T1中找出与x最邻近的k个点,包括这k个训练集点的x领域记作Nk(x);b.在Nk(x)中根据分类决策规则决定x的类别y;其中,N1为训练集元素个数;K为总类别数;I(·)为指示函数,即当yi=cj时I(·)为1,否则为0。
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浙江工业大学,未经浙江工业大学许可,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/201910299211.2/,转载请声明来源钻瓜专利网。