[發(fā)明專利]一種基于SOFM神經(jīng)網(wǎng)絡聚類的DRoF前端信號量化方法

有效

• 申請?zhí)枺?/td>: 201810735292.1
• 申請日: 2018-07-06
• 公開（公告）號: CN109104248B
• 公開（公告）日: 2021-04-09
• 發(fā)明（設計）人: 葉佳;郭儀;閆連山;潘煒;李鵬
• 申請（專利權）人: 西南交通大學
• 主分類號: H04B10/2575
• 分類號: H04B10/2575;G06N3/08;G06K9/62
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 舒啟龍

1.一種基于SOFM神經(jīng)網(wǎng)絡聚類的DRoF前端信號量化方法，其特征在于，包括以下步驟：

步驟1：對載波已調(diào)的OFDM信號的同向分量和正交分量分別進行帶通采樣(100)，并將采樣數(shù)據(jù)按照一定的規(guī)律構建成一個D維輸入矢量集(200)；

步驟2：利用基于SOFM神經(jīng)網(wǎng)絡聚類的矢量量化方法對DRoF系統(tǒng)前端的輸入信號進行量化(300)；

步驟3：將已量化的信號進行PAM-4編碼，然后進行電光調(diào)制變成光信號(400)，經(jīng)單模光纖完成光路傳輸?shù)竭_基站(500)；

步驟4：完成光路傳輸?shù)墓庑盘柦?jīng)光電探測器恢復成PAM-4電信號，然后進行PAM-4信號的譯碼恢復量化信號(600)；

步驟5：將恢復的量化信號，即碼書索引編號映射成相應的碼書中的碼字集(700)，然后根據(jù)步驟1的矢量構建規(guī)則的逆過程還原成同向和正交兩路已采樣OFDM信號(800)；

步驟6：利用帶通濾波器對OFDM同向和正交兩路信號濾波恢復OFDM射頻已調(diào)信號(900)，即完成整個DRoF系統(tǒng)的傳輸過程。

2.根據(jù)權利要求1所述的一種基于SOFM神經(jīng)網(wǎng)絡聚類的DRoF前端信號量化方法，其特征在于，所述步驟2利用基于SOFM神經(jīng)網(wǎng)絡聚類的矢量量化方法對DRoF系統(tǒng)前端的輸入信號進行量化(300)，具體過程如下：

(1)設置SOFM神經(jīng)網(wǎng)絡的參數(shù)，包括二維的輸出神經(jīng)元陣列、迭代次數(shù)、拓撲鄰域的形狀及初始范圍、學習率；

(2)線下訓練：截取一定長度的輸入矢量集作為訓練序列，在訓練序列中根據(jù)聚類數(shù)隨機選取初始碼書，將訓練序列和初始碼書輸入到神經(jīng)網(wǎng)絡中進行線下訓練，得到量化所需要的最終碼書，并將SOFM神經(jīng)網(wǎng)絡調(diào)整到最佳狀態(tài)；

(3)線上測試：將輸入矢量集信號輸入到已經(jīng)調(diào)整到最佳狀態(tài)的SOFM神經(jīng)網(wǎng)絡中進行線上測試，輸出的量化信號為碼書中的各個碼字對應的索引編號。

3.根據(jù)權利要求1所述的一種基于SOFM神經(jīng)網(wǎng)絡聚類的DRoF前端信號量化方法，其特征在于，所述步驟1具體為：OFDM信號先進行歸一化處理，然后同向和正交兩路信號分別進行帶通采樣(101,102)，再按以下規(guī)律構建一個長度為L維度為D的輸入矢量集(200)：S＝{s₁,s₂,…,s_L}，其中s_i＝{s₁,s₂,…,s_D},i∈[1,L]。

4.根據(jù)權利要求2所述的一種基于SOFM神經(jīng)網(wǎng)絡聚類的DRoF前端信號量化方法，其特征在于，線下訓練(302)的過程如下：

步驟a：初始化權值，權值C＝{w₁,w₂,…,w_k}是從訓練序列X＝{x₁,x₂,…,x_N}中隨機選取，其中X是從輸入矢量集S中截取的一部分；

步驟b：將訓練矢量x_i,i∈[1,N]以并行的方式輸入到每一個神經(jīng)元；

步驟c：計算x_i與各個輸出神經(jīng)元的權值即碼書中的碼字的失真，這里選取輸入和輸出神經(jīng)元之間的歐幾里得距離d_j作為獲勝神經(jīng)元的最小失真測度：

其中c為最小歐式距離對應的獲勝的輸出神經(jīng)元的標號；

步驟d：改變輸出神經(jīng)元及其拓撲鄰域相應的權值：

w_j(t+1)＝w_j(t)+α(t)[x(t)-w_j(t)]

其中j∈N_c(t)，N_c(t)是神經(jīng)元j的拓撲鄰域，學習率0＜α(t)＜1保證算法收斂；

步驟e：令t＝t+1,更新N_c(t)和α(t)，對于所有的訓練矢量重復步驟b至步驟d，直到算法收斂或者達到設定的最大迭代次數(shù)；

訓練結束后，輸出的權值矢量就是所需要的最終碼書(303)。