[發明專利]用于低帶寬高速光通信的最大化方差數據選擇的SVM均衡方法及系統

有效

• 申請號: 201810145381.0
• 申請日: 2018-02-12
• 公開（公告）號: CN108521384B
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 畢美華;姜偉;俞嘉生;卓先好;楊國偉;周雪芳;胡淼;駱懿;李齊良
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04L25/03
• 分類號: H04L25/03;H04B10/2513
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.用于低帶寬高速光通信的最大化方差數據選擇與SVM均衡方法，其特征在于，包括如下步驟：

步驟1：在傳輸的數字信號數據頭中插入設定量的訓練序列，經過高速NRZ調制生成電NRZ信號，將電NRZ信號經過光調制器轉換成光NRZ信號；

步驟2：信號經過光纖，傳輸至接收端，接收端將收到的光NRZ信號轉化為電NRZ信號；

步驟3：對電NRZ信號采樣，然后經過時間同步；

步驟4：對時間同步過后的數據提取訓練序列；

步驟5：用最大化方差的方法提取每一段每個碼元采樣點中的最佳判別采樣點；并為每個訓練序列構建特征向量；

步驟6：利用訓練序列的特征向量，采用SVM算法訓練最優分類超平面；

步驟7：對每個新的未知的碼元構建特征向量；

步驟8：利用最優分類超平面，對NRZ電信號進行分類；

所述步驟5還包括如下步驟：

步驟51：提取出來的采樣數據，依次輸入到若干個抽頭延時器中，組成每個碼元對應的采樣點，依次保存訓練序列組成的采樣點，直到訓練序列輸入完畢；

所述采樣數據為步驟4中提取的訓練序列；

步驟52：接收機的訓練序列發生器重新生成原始訓練序列，與訓練序列一一對應，作為方差最大化最佳判別采樣點提取的輸入；

步驟53：方差最大化最佳判別采樣點提取算法根據輸入，提取每個碼元的最佳判別采樣點；

所述步驟6還包括如下步驟：

步驟61：基于方差最大化最佳判別采樣點提取后的數據，對當前碼元組建特征向量，包括當前及前后若干個碼元最佳判別采樣點；

步驟62：用SMO算法計算最優分類超平面。

2.根據權利要求1所述的用于低帶寬高速光通信的最大化方差數據選擇與SVM均衡方法，其特征在于，步驟1：所述訓練序列是由訓練序列發生器生成的一種(0，1)偽隨機序列，接收機采用與發送機相同規則的訓練序列發生器即可產生相同的偽隨機序列；數字信號一起經過高速率NRZ調制模塊，生成電NRZ信號；將電NRZ信號連接至光調制器，從而生成包含訓練序列的NRZ光信號。

3.根據權利要求2所述的用于低帶寬高速光通信的最大化方差數據選擇與SVM均衡方法，其特征在于，所述的光調制器選自：馬赫曾德爾調制器與連續波激光器或電子吸收調制激光器。

4.根據權利要求1所述的用于低帶寬高速光通信的最大化方差數據選擇與SVM均衡方法，其特征在于，步驟2，利用光電探測器將接收的光NRZ信號轉化為電NRZ信號。

5.根據權利要求1所述的用于低帶寬高速光通信的最大化方差數據選擇與SVM均衡方法，其特征在于，步驟3：采樣過程中，采樣速率應高于數據速率，且為數據速率的整數倍。

6.根據權利要求1所述的用于低帶寬高速光通信的最大化方差數據選擇與SVM均衡方法，其特征在于，步驟5，特征向量包括前N個碼元的最佳判別采樣點，后M個碼元的最佳判別采樣點。