[發明專利]基于DENCLUE聚類的Stokes空間相干光調制格式識別方法

有效

• 申請號: 201711428624.3
• 申請日: 2017-12-26
• 公開（公告）號: CN108173599B
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 劉潔;龍志潔;麥曉豐;吳雄
• 申請（專利權）人: 中山大學
• 主分類號: H04B10/61
• 分類號: H04B10/61
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.基于DENCLUE聚類的Stokes空間相干光調制格式識別方法，其特征在于：包括以下步驟：

(1)訓練階段：設置不同調制格式的樣本信號，將樣本信號進行Stokes空間映射并進行最小二乘平面擬合，對映射后的信號計算高階累積量，初步構造決策樹分類器用來區分當前信號的調制格式為8PSK、8QAM還是{BPSK、QPSK、16QAM}；針對{BPSK、QPSK、16QAM}調制格式的樣本信號應用改進的DENCLUE聚類算法計算最小二乘平面上的聚類中心點數，以聚類中心點數為特征參量，針對不同的光信噪比情況，根據最優貝葉斯分類原則構造決策樹結構及判決門限值，完善決策樹分類器的構造；

(2)識別階段：將當前相干光接收機接收到的X、Y兩路正交的偏振信號進行Stokes空間映射，然后對映射后的信號計算高階累積量，將高階累積量輸入到步驟(1)建立的決策樹分類器中，判別當前信號的調制格式為8PSK、8QAM還是{BPSK、QPSK、16QAM}，若為{BPSK、QPSK、16QAM}調制格式則應用改進的DENCLUE聚類算法計算信號經過stokes空間映射后在Stokes空間最小二乘平面上的聚類中心點數，將聚類中心個數輸入到步驟(1)建立的決策樹分類器中，判別出當前信號的具體調制格式；

所述步驟(1)、(2)中，應用改進的DENCLUE聚類算法計算聚類中心點數的具體過程如下：

1)確定高密度網格：對信號經過stokes空間映射后在Stokes空間形成的最小二乘平面上設計一個區域半徑，對區域半徑外的數據空間以2σ為寬度的網格進行網格劃分，σ表示針對區域半徑外數據空間劃分的網格寬度的一半，劃分的網格內若包含有數據點，則確定為非空網格，否則為空網格；設非空網格集為C_p，網格內包含的數據點的數量記為N_c，當C_sp＝{c∈C_p|N_c＞ξ_c}時，確定非空網格集中的網格c為高密度網格C_sp，ξ_c為設定的密度閾值；

2)計算高密度網格內的數據點的密度值：

設高密度網格內的數據點用特征向量D＝{x₁，…，x_N}表示，則D中任意一個數據點的密度值計算公式如下：

其中d(x，x_i)為第i個數據點x_i到數據點x的歐氏距離；N表示高密度網格內的數據點數量；

3)確定所有的聚類中心點：選擇高密度網格內任意的一個數據點的密度值作為初始解，然后通過爬山法進行更新找到高密度網格中密度值的局部極大值點作為聚類中心點。

2.根據權利要求1所述的基于DENCLUE聚類的Stokes空間相干光調制格式識別方法，其特征在于：所述爬山法進行更新找到高密度網格中密度值的局部極大值點作為聚類中心點的具體過程如下：

其中x₀表示初始解，ξ為系數，式中計算公式是：

如果f^D(x_k+1)＜f^D(x_k)，其中k∈N，則本次計算迭代停止，并令x_k作為新的密度聚類中心點，同時進行下一次的迭代，直到找到所有聚類中心點。

3.根據權利要求1所述的基于DENCLUE聚類的Stokes空間相干光調制格式識別方法，其特征在于：所述樣本信號和偏振信號進行Stokes空間映射后，先對映射后的信號進行信號預處理，然后基于經過預處理的信號計算高階累積量，進行信號預處理的具體過程如下：利用奇異值分解算法擬合出映射后的信號在Stokes空間中的最小二乘平面，進而得到信號在Stokes空間最小二乘平面上映射的復數隨機信號，及信號在Stokes空間最小二乘平面法線方向映射的實數隨機信號。