[发明专利]一种基于SOFM神经网络聚类的DRoF前端信号量化方法

权利要求书

1.一种基于SOFM神经网络聚类的DRoF前端信号量化方法，其特征在于，包括以下步骤：

步骤1：对载波已调的OFDM信号的同向分量和正交分量分别进行带通采样(100)，并将采样数据按照一定的规律构建成一个D维输入矢量集(200)；

步骤2：利用基于SOFM神经网络聚类的矢量量化方法对DRoF系统前端的输入信号进行量化(300)；

步骤3：将已量化的信号进行PAM-4编码，然后进行电光调制变成光信号(400)，经单模光纤完成光路传输到达基站(500)；

步骤4：完成光路传输的光信号经光电探测器恢复成PAM-4电信号，然后进行PAM-4信号的译码恢复量化信号(600)；

步骤5：将恢复的量化信号，即码书索引编号映射成相应的码书中的码字集(700)，然后根据步骤1的矢量构建规则的逆过程还原成同向和正交两路已采样OFDM信号(800)；

步骤6：利用带通滤波器对OFDM同向和正交两路信号滤波恢复OFDM射频已调信号(900)，即完成整个DRoF系统的传输过程。

2.根据权利要求1所述的一种基于SOFM神经网络聚类的DRoF前端信号量化方法，其特征在于，所述步骤2利用基于SOFM神经网络聚类的矢量量化方法对DRoF系统前端的输入信号进行量化(300)，具体过程如下：

(1)设置SOFM神经网络的参数，包括二维的输出神经元阵列、迭代次数、拓扑邻域的形状及初始范围、学习率；

(2)线下训练：截取一定长度的输入矢量集作为训练序列，在训练序列中根据聚类数随机选取初始码书，将训练序列和初始码书输入到神经网络中进行线下训练，得到量化所需要的最终码书，并将SOFM神经网络调整到最佳状态；

(3)线上测试：将输入矢量集信号输入到已经调整到最佳状态的SOFM神经网络中进行线上测试，输出的量化信号为码书中的各个码字对应的索引编号。

3.根据权利要求1所述的一种基于SOFM神经网络聚类的DRoF前端信号量化方法，其特征在于，所述步骤1具体为：OFDM信号先进行归一化处理，然后同向和正交两路信号分别进行带通采样(101,102)，再按以下规律构建一个长度为L维度为D的输入矢量集(200)：S＝{s₁,s₂,…,s_L}，其中s_i＝{s₁,s₂,…,s_D},i∈[1,L]。

4.根据权利要求2所述的一种基于SOFM神经网络聚类的DRoF前端信号量化方法，其特征在于，线下训练(302)的过程如下：

步骤a：初始化权值，权值C＝{w₁,w₂,…,w_k}是从训练序列X＝{x₁,x₂,…,x_N}中随机选取，其中X是从输入矢量集S中截取的一部分；

步骤b：将训练矢量x_i,i∈[1,N]以并行的方式输入到每一个神经元；

步骤c：计算x_i与各个输出神经元的权值即码书中的码字的失真，这里选取输入和输出神经元之间的欧几里得距离d_j作为获胜神经元的最小失真测度：

其中c为最小欧式距离对应的获胜的输出神经元的标号；

步骤d：改变输出神经元及其拓扑邻域相应的权值：

w_j(t+1)＝w_j(t)+α(t)[x(t)-w_j(t)]

其中j∈N_c(t)，N_c(t)是神经元j的拓扑邻域，学习率0＜α(t)＜1保证算法收敛；

步骤e：令t＝t+1,更新N_c(t)和α(t)，对于所有的训练矢量重复步骤b至步骤d，直到算法收敛或者达到设定的最大迭代次数；

训练结束后，输出的权值矢量就是所需要的最终码书(303)。