[發(fā)明專(zhuān)利]一種基于SOFM神經(jīng)網(wǎng)絡(luò)聚類(lèi)的DRoF前端信號(hào)量化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810735292.1
• 申請(qǐng)日: 2018-07-06
• 公開(kāi)（公告）號(hào): CN109104248B
• 公開(kāi)（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 葉佳;郭儀;閆連山;潘煒;李鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西南交通大學(xué)
• 主分類(lèi)號(hào): H04B10/2575
• 分類(lèi)號(hào): H04B10/2575;G06N3/08;G06K9/62
• 代理公司: 成都信博專(zhuān)利代理有限責(zé)任公司 51200
• 代理人: 舒啟龍

一種基于SOFM神經(jīng)網(wǎng)絡(luò)聚類(lèi)的DRoF前端信號(hào)量化方法，步驟如下：對(duì)射頻載波已調(diào)的OFDM信號(hào)分別進(jìn)行同向和正交分量的帶通采樣，將幅值離散的采樣信號(hào)經(jīng)過(guò)串并變換構(gòu)建成一個(gè)多維的輸入矢量集信號(hào)，截取部分輸入矢量集信號(hào)作為訓(xùn)練序列，輸入到SOFM神經(jīng)網(wǎng)絡(luò)中進(jìn)行線下訓(xùn)練和線上測(cè)試，經(jīng)神經(jīng)網(wǎng)絡(luò)輸出的量化信號(hào)為最終碼書(shū)中碼字對(duì)應(yīng)的索引編號(hào)，PAM?4調(diào)制器將量化信號(hào)編碼后經(jīng)電光轉(zhuǎn)換并在單模光纖中傳輸。基站接收信號(hào)解調(diào)后被映射成索引編號(hào)對(duì)應(yīng)的碼字，再進(jìn)行并串變換恢復(fù)出已采樣的OFDM信號(hào)，最后經(jīng)過(guò)帶通濾波器恢復(fù)射頻信號(hào)。本發(fā)明在保證DRoF系統(tǒng)射頻信號(hào)數(shù)字化性能大幅度提升的基礎(chǔ)上，實(shí)現(xiàn)了傳輸?shù)膶?shí)時(shí)性，豐富了DRoF系統(tǒng)模擬信號(hào)數(shù)字化的方法。

技術(shù)領(lǐng)域

本發(fā)明涉及光纖通信、調(diào)制、射頻光子學(xué)鄰域，尤其是模擬信號(hào)數(shù)字化的調(diào)制技術(shù)。

背景技術(shù)

第五代移動(dòng)通信(5G)的商業(yè)化浪潮即將來(lái)襲,大帶寬、高速率是5G技術(shù)的一大亮點(diǎn)。利用毫米波作為射頻載波的5G技術(shù)也存在信號(hào)在無(wú)線空間損耗大、傳輸距離短等問(wèn)題。云無(wú)線接入網(wǎng)(C-RAN)是一種基于5G的集中化處理信號(hào)，通過(guò)減少基站機(jī)房數(shù)量，大規(guī)模安裝價(jià)格低廉的簡(jiǎn)化基站，實(shí)現(xiàn)傳輸距離較短的毫米波信號(hào)的全方位覆蓋的接入網(wǎng)架構(gòu)。數(shù)字型光載無(wú)線(DRoF)系統(tǒng)可以視為C-RAN接入網(wǎng)架構(gòu)的移動(dòng)數(shù)字前傳部分，基站機(jī)房為實(shí)施射頻信號(hào)集中數(shù)字化處理的中心局，簡(jiǎn)化基站承載射頻信號(hào)的恢復(fù)和發(fā)射等任務(wù)，中心局和基站之間利用傳輸數(shù)字信號(hào)的單模光纖連接。模擬信號(hào)的數(shù)字化技術(shù)作為DRoF前端的關(guān)鍵技術(shù)，一直是DRoF系統(tǒng)需要攻克的難題之一。

目前，在DRoF系統(tǒng)前端中有多種模擬信號(hào)數(shù)字化的實(shí)現(xiàn)方法，其中的主要區(qū)別在于信號(hào)的量化階段。傳統(tǒng)的信號(hào)量化以標(biāo)量量化為主，PCM作為最原始的模擬信號(hào)數(shù)字化方法采用均勻或者壓縮的標(biāo)量量化實(shí)現(xiàn)過(guò)程較為簡(jiǎn)單。此外，矢量量化的方法也開(kāi)始應(yīng)用在DRoF系統(tǒng)，基于k-means聚類(lèi)的傳統(tǒng)矢量量化技術(shù)相比于標(biāo)量量化，量化性能更顯得優(yōu)越。

需要指出的是，PCM量化需要的量化比特?cái)?shù)過(guò)大，導(dǎo)致數(shù)字信號(hào)的頻譜利用率過(guò)低；而基于k-means聚類(lèi)的矢量量化技術(shù)過(guò)于依賴(lài)初始碼本的選擇，聚類(lèi)算法不夠靈活，可調(diào)整空間較小，而且碼字搜索的時(shí)間過(guò)長(zhǎng)，信號(hào)的實(shí)時(shí)傳輸性能不佳。本發(fā)明給出了一種基于SOFM神經(jīng)網(wǎng)絡(luò)聚類(lèi)的DRoF前端信號(hào)量化方法。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于自組織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)聚類(lèi)的DRoF前端信號(hào)量化方法，旨在保證了矢量量化信號(hào)優(yōu)異的量化性能的前提下，增加DRoF系統(tǒng)量化過(guò)程的靈活性和可調(diào)節(jié)性，并保證系統(tǒng)線上量化部分的實(shí)時(shí)性。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于SOFM神經(jīng)網(wǎng)絡(luò)聚類(lèi)的DRoF前端信號(hào)量化方法包括以下步驟：

(1)將OFDM信號(hào)的同相分量和正交分量分別進(jìn)行帶通采樣(100)，已采樣的序列按照一定的規(guī)律構(gòu)建成一個(gè)多維輸入矢量集(200)；

(2)利用基于SOFM神經(jīng)網(wǎng)絡(luò)聚類(lèi)的方法進(jìn)行信號(hào)量化，包括創(chuàng)建SOFM神經(jīng)網(wǎng)絡(luò)并設(shè)置網(wǎng)絡(luò)的參數(shù)、SOFM神經(jīng)網(wǎng)絡(luò)的線下訓(xùn)練生成量化所需要的最終碼書(shū)、輸入矢量集進(jìn)行線上測(cè)試得到最終碼書(shū)中基于碼字索引的量化信號(hào)(300)；

(3)利用編碼器將量化信號(hào)進(jìn)行PAM-4編碼，然后經(jīng)過(guò)電光調(diào)制器調(diào)制成光信號(hào)(400)；

(4)調(diào)制的光信號(hào)輸入到單模光纖中進(jìn)行光路傳輸(500)，完成光路傳輸?shù)墓庑盘?hào)被光電探測(cè)器接收，然后經(jīng)過(guò)PAM-4譯碼后恢復(fù)出基于碼字索引的量化信號(hào)(600)；

(5)將恢復(fù)的基于碼字索引的量化信號(hào)按照步驟(2)生成的碼書(shū)映射為碼書(shū)中的碼字量化信號(hào)(700)；

(6)碼字量化信號(hào)矢量集按照步驟(2)的矢量信號(hào)構(gòu)建規(guī)律反變換恢復(fù)出OFDM同向和正交的兩路采樣信號(hào)(800)；