[发明专利]基于无数据辅助的KNN算法的光纤非线性均衡方法

权利要求书

1.一种基于无数据辅助的KNN算法的光纤非线性均衡方法，所述KNN算法是K最近邻算法，其特征在于，包括以下步骤：

(1) 接收待进行补偿的全体数据作为第一数据集，获取第一数据集中各数据点的分布密度参数，选取分布密度参数大于预设阈值的数据点作为第二数据集；

(2) 对第二数据集中的数据点进行信号解调，获得各数据点对应的标签，根据标签，将第二数据集分成M个簇，获得对应的质心C_i：

，其中，i = 1，2，…，M，s是第i个簇中的数据点数量，Dj是第i个簇的第j个数据；

(3) 根据获得的质心C_i，将第二阶段数据集中的数据点按照距离最近的欧几里得距离重新进行分类，相应的簇获得标签y1st-output，构成训练样本集；

(4) 取第一数据集中未获得标签的数据点X，从训练样本集中获取数据点X的K个最近邻点，其中，K为13；

(5) 计算数据点X的KNN欧氏距离数据，并找出K个最近邻点的标签簇；

(6) 使用加权总和投票规则确定数据点X的预测标签，将X分配至对应簇；

(7) 重复步骤(4) 至(6) 直至完成对所有数据点的处理；

(8) 输出最终的分类数据结果。

2.根据权利要求1所述的基于无数据辅助的KNN算法的光纤非线性均衡方法，其特征在于：步骤(1)中，分布密度参数由下式获取：

，

其中，，函数range是数据点的数值范围，x和y分别表示信号数据的实部和虚部，i代表数据集中的点， i是1到N的整数，N是数据集中数据点的个数，k表示数据集中的点。

3.根据权利要求2所述的基于无数据辅助的KNN算法的光纤非线性均衡方法，其特征在于：所述预设阈值为dd(k)取值范围的三分之一处对应的数值。

4.根据权利要求1所述的基于无数据辅助的KNN算法的光纤非线性均衡方法，其特征在于：步骤(2)中，所述解调采用M-QAM信号解调。

5.根据权利要求1所述的基于无数据辅助的KNN算法的光纤非线性均衡方法，其特征在于：步骤(4)中，K=13。

6.根据权利要求1所述的基于无数据辅助的KNN算法的光纤非线性均衡方法，其特征在于：步骤(6)中，加权总和投票规则的具体方法是：

给定训练样本集T={(x₁, y₁), (x₂, y₂), …, (x_N, y_N)}由N个训练数据点x_i组成，其中x_i对应着标签y_i∈{C₁, C₂,C₃, … , C_m}, i=1,2, …, N, m是簇的个数，在训练样本集T中找到与X最接近的K个点，在X的范围中，这些K个点被描述为N_k(x)，根据N_k(x)，得到与这K个点对应的K个标签，并返回K个标签作为预测标签：

其中ω_i=1/D(x, x_i), i = 1,2, …, N; j = 1,2 , …, m，I是一个指示函数，当y_i =C_j时，I等于1，否则I为0。