[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)智能星座圖分析方法

有效

• 申請?zhí)枺?/td>: 201710533175.2
• 申請日: 2017-07-03
• 公開（公告）號: CN107342962B
• 公開（公告）日: 2019-12-13
• 發(fā)明（設(shè)計）人: 王丹石;張民;李建強;李進
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: H04L27/34
• 分類號: H04L27/34;H04L12/24;G06N3/08
• 代理公司: 11002 北京路浩知識產(chǎn)權(quán)代理有限公司
• 代理人: 王慶龍

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)智能星座圖分析方法，涉及光通信技術(shù)領(lǐng)域，其中通過搭建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模塊對星座圖進行性能分析，包括以下步驟：獲取星座圖訓(xùn)練數(shù)據(jù)集；對星座圖進行預(yù)處理；訓(xùn)練CNN模塊進行特征提取；將所需分析的星座圖經(jīng)預(yù)處理后輸入訓(xùn)練完成的CNN模塊進行模式識別和性能分析；輸出分析結(jié)果。本發(fā)明將基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)技術(shù)應(yīng)用到星座圖分析中，解決了傳統(tǒng)星座圖性能分析中無法直接處理原始數(shù)據(jù)、需進行人工干預(yù)的問題，利用CNN實現(xiàn)了星座圖原始圖像信息分析的智能化和自動化，可以作為示波器的星座圖軟件處理模塊及仿真軟件的星座圖分析模塊，進而嵌入到測試儀器中進行智能信號分析和性能監(jiān)測。

技術(shù)領(lǐng)域

本發(fā)明涉及光通信技術(shù)領(lǐng)域，尤其涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)智能星座圖分析方法。

背景技術(shù)

機器學(xué)習(xí)(ML)技術(shù)提供了強大的工具來解決諸如自然語言處理，數(shù)據(jù)挖掘，語音識別和圖像識別等許多領(lǐng)域的問題。同時，機器學(xué)習(xí)技術(shù)在光通信領(lǐng)域也得到了廣泛的應(yīng)用，很大程度上促進了智能系統(tǒng)的發(fā)展。目前研究主要集中在使用不同的機器學(xué)習(xí)算法進行光學(xué)性能監(jiān)測(OPM)和非線性損傷補償方面，所使用的機器學(xué)習(xí)算法包括期望最大值(EM)，隨機森林，反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)，K近鄰(KNN)和支持向量機(SVM)等。然而，所有上述機器學(xué)習(xí)算法在特征提取的能力上都有其算法本身的限制。更具體地說，機器學(xué)習(xí)模型不能直接處理自然數(shù)據(jù)的原始形式，因此不得不在運用算法前需要相當(dāng)多的領(lǐng)域?qū)ｉL和工程技能來設(shè)計特征提取器，將原始數(shù)據(jù)轉(zhuǎn)換成合適的內(nèi)部表示或特征向量，進而子系統(tǒng)才能檢測出輸入數(shù)據(jù)的模式。因此，希望可以開發(fā)出更先進的機器學(xué)習(xí)算法，不僅可以直接對原始數(shù)據(jù)進行處理，還可以自動檢測所需的特征。

最近，深度學(xué)習(xí)成為一個火熱的研究課題，其目的是使得機器學(xué)習(xí)更接近人工智能(AI)的目標(biāo)。深度學(xué)習(xí)可以被理解為具有多個非線性層的深度神經(jīng)網(wǎng)絡(luò)，其通過自學(xué)習(xí)過程從數(shù)據(jù)中學(xué)習(xí)特征，而不是由人類工程師來進行人工設(shè)計。深度學(xué)習(xí)中最著名的突破之一是GoogleDeepMind的電腦程序“AlphaGo”，他們首次在棋盤游戲中以自學(xué)習(xí)的能力擊敗了專業(yè)的選手。另外，作為目前的研究熱點，深度學(xué)習(xí)在無人駕駛飛行器，醫(yī)療診斷，情緒分析等各種應(yīng)用領(lǐng)域取得了重大進展。然而據(jù)我們所知，在光通信系統(tǒng)領(lǐng)域卻幾乎沒有基于深度學(xué)習(xí)的研究工作。

同時，在光通信領(lǐng)域中，測量光信號質(zhì)量是光通信中最重要的任務(wù)之一。一般來說，在強度調(diào)制直接檢測(IM-DD)系統(tǒng)中，眼圖作為常用的分析對象，其定性地反映了所有損傷對信號質(zhì)量的影響，特別是對于開關(guān)鍵控(OOK)和脈沖幅度調(diào)制(PAM)。然而近年來，隨著相干光通信系統(tǒng)和先進的調(diào)制格式如M進制相移鍵控(PSK)和正交幅度調(diào)制(QAM)不斷的發(fā)展，由于眼圖缺少相位信息，使用它來進行性能分析不再能得到很好的效果。而星座圖可以同時顯示幅度和相位信息，并且能夠全面度量PSK和QAM信號的多種性能。通過對星座圖的觀察，可以從中識別調(diào)制格式、估計光信噪比(OSNR)、計算誤差矢量幅度(EVM)，并且可以對各種損傷進行分析。然而，傳統(tǒng)的星座圖分析方法在很大程度上取決于很高的專業(yè)知識，僅適用于經(jīng)驗豐富的工程師。同時，手動操作只能做定性估計，難以獲得準(zhǔn)確的結(jié)果。此外，傳統(tǒng)的統(tǒng)計方法需要獲取每個星座點的信息，這意味著需要收集所有的同相分量和正交分量的數(shù)據(jù)，過程耗時，不適用于實時測試系統(tǒng)。因此，預(yù)期的星座圖分析方法仍然希望能夠采用更先進的技術(shù)來進行智能分析，無需人工干預(yù)，做到精確測量，無需數(shù)據(jù)統(tǒng)計即時處理，真正實現(xiàn)性能分析的智能化和自動化。

發(fā)明內(nèi)容

本發(fā)明的目的在于將深度學(xué)習(xí)技術(shù)應(yīng)用到光通信領(lǐng)域，提供一種智能、可靠的基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)智能星座圖分析方法，解決傳統(tǒng)星座圖性能分析中無法直接處理原始數(shù)據(jù)、需進行人工干預(yù)的弊端，實現(xiàn)了對星座圖原始圖像進行性能分析的智能化和自動化。