[發明專利]基于決策樹TWSVM的高速光信號調制格式識別方法

有效

• 申請號: 201910072366.2
• 申請日: 2019-01-25
• 公開（公告）號: CN109787928B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 蘇紹璟;孫曉永;郭曉俊;左震;周靖;黃芝平;孫備;陳洋溢;譚曉朋;吳鵬;呂云霄
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: H04L27/00
• 分類號: H04L27/00;G06K9/62;H04B10/60
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清;胡君

本發明公開一種基于決策樹TWSVM的高速光信號調制格式識別方法，步驟包括：S1.預先構建決策樹框架并在構建的決策樹架構的每個節點中使用TWSVM，得到DT?TWSVM分類器，決策樹框架中定義第一特征參數以實現初始分類，定義第二特征參數以及第三特征參數以實現最終分類；S2.進行高速光信號調制格式識別時，對所需混合速率多調制格式光信號進行低速率采樣，得到待識別信號；S3.分別提取待識別信號的所述第一特征參數、第二特征參數以及第三特征參數；S4.將提取到的各特征參數數據輸入到DT?TWSVM分類器中，得到識別結果。本發明實現方法簡單、在低光信噪比時識別精度及識別效率高、計算復雜度低等優點。

技術領域

本發明涉及高速光通信技術領域，尤其涉及一種基于決策樹(Decision Tree，DT)TWSVM(twin support vector machine，孿生支持向量機)的高速光信號調制格式識別方法。

背景技術

隨著電子技術和光通信技術的快速發展，光通信信號的調制格式更加多樣化和復雜化，以充分利用通信資源。由于信號環境日益密集，不同調制格式的不同信號會同時進入寬帶接收機，這需要同時識別多個調制信號。在接收端的接收和解調過程中，調制格式識別(Modulation Format Identification，MFI)位于整個信號接收解調過程的前端，因此MFI的準確性和效率將影響整個信號處理的結果。然而，下一代光網絡使接收機可以從接收信號中盲目識別調制格式。因此，光信號調制格式的盲識別和自動識別已成為沒有任何先驗知識的研究重點。

目前，現代光通信系統主要用于骨干傳輸網絡，由于骨干網需要實現大容量、高帶寬、高速率和長距離傳輸，因此對現代光通信系統的傳輸能力和性能維護提出了更高的要求。為了滿足不同傳輸業務和網絡升級的需求，未來的光纖通信網絡是異構的，多種調制格式和信號速率可以在同一網絡中共存。光網絡的異構化趨勢使光通信系統的網絡管理、優化和信號接收更加復雜。為了實現光網絡的智能管理和自適應光接收機，MFI技術對異構光網絡的管理控制和自適應光信號接收具有重要價值。此外，光網絡也將向智能光網絡發展，因為智能光網絡具有重構、靈活和安全的特點，并且提高網絡的整體利用率需要有效、高效和準確的光信號質量監測。當前的光網絡正朝著具有速率自適應收發器的彈性光網絡(EON)和智能認知光網絡(ICON)發展來支持多種調制格式，它具有更好的可擴展性和協作性，能夠協調發送器和接收器，實現光信號速率和調制格式的實時動態調整，實現網絡節點中的智能信道管理和帶寬分配等鏈路管理功能，同時它可以通過光學性能監測(OPM)技術監控信號質量，為動態路由和網絡管理提供基礎。

光網絡中的MFI技術目前主要是采用基于特征的(FB)統計模式識別方法，該方法是從接收信號中提取重要特征，由分類器對提取的觀測值進行分類和識別，當前的研究重點即是針對分類器的分類算法，尋找合適的算法，最大可能地在較少的特征參數的情況下解決在低光信噪比(OSNR)時識別精度低、識別時間長的問題。分類器的分類過程是在選擇或構造特征參數與樣本訓練集相結合的基礎上，設計合理的分類器結構和分類標準，最后通過訓練分類器進行分類決策。

機器學習在分類決策中具有優越的性能，典型的如支持向量機(support vectormachine，SVM)方法，SVM廣泛應用在高速光信號的調制格式盲識別中。SVM是建立在統計學習理論和結構風險最小原理基礎上，根據有限的樣本信息在模型的復雜性(即對特定訓練樣本的學習精度)和學習能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折衷，來獲得最好的泛化能力。對于二分類問題，SVM旨在輸入樣本空間中找到一個最優分離超平面對兩類樣本進行正確分割，這個超平面通過估計訓練樣本集中兩類樣本最接近數據點的距離來獲得，如果訓練樣本中的數據點在輸入空間中線性不可分，這些訓練樣本將會通過核函數實現將各輸入特征向量到高維特征空間的轉換，通過高維空間中尋找最優分類超平面實現對信號調制方式的判決，利用SVM解決二分類問題中最優超平面與分類樣本的關系如圖1所示。