[发明专利]一种基于矢量线性预测的数字移动前传信号量化方法

权利要求书

1.一种基于矢量线性预测的数字移动前传信号量化方法，其特征在于，包括以下步骤：

步骤1：将OFDM调制信号进行IFFT得到实部和虚部I/Q两路采样信号，再将I/Q两路采样信号构建成一个多维矢量集；

步骤2：利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化，输出由码字-索引映射序构成的列量化信号；

步骤3：将量化信号进行PAM-4编码，再经过电光调制变成光信号；

步骤4：将光信号输入单模光纤中传输至射频拉远单元，再经过光电探测和PAM-4译码后恢复出量化信号；

步骤5：将恢复的量化信号按照步骤2的逆过程进行索引-码字映射及差分解调恢复出原始的差分矢量量化信号；

步骤6：将恢复的差分矢量量化信号按照步骤1的逆过程进行矢量集的解调，恢复出OFDM-IFFT的I/Q两路采样信号。

2.根据权利要求1所述的基于矢量线性预测的数字移动前传信号量化方法，其特征在于，所述利用基于矢量线性预测的差分矢量量化方法对输入的多维矢量集进行差分矢量量化的具体过程为：

步骤21：设置矢量线性预测的参数，包括训练矢量序列的长度、预测阶数；

步骤22：线下训练过程：截取特定长度的多维矢量集作为训练的样本序列，利用矢量线性预测的方法得到所需的预测系数矩阵和最优码本；

步骤23：线上量化过程：利用得到的预测系数矩阵和最优码本，将多维矢量集信号输入到基于矢量线性预测的差分矢量量化器中，输出的量化信号为最优码本中的各个码字对应的索引编号序列，其中，矢量量化采用基于k-means聚类的算法。

3.根据权利要求2所述的基于矢量线性预测的数字移动前传信号量化方法，其特征在于，所述步骤22的具体过程为：

步骤1)从所述构建的多维矢量集中截取一定长度为N的多维矢量集作为线下训练序列X＝{s₁,s₂,…,s_N}；

步骤2)通过预测系数矩阵集A＝{A₁,A₂,…,A_p}来定义记忆长度为p的有限记忆矢量线性预测器；A_j为D×D矩阵，j∈[1,p]，p为矢量线性预测器的阶数；D为多维矢量集的维度；

步骤3)对于线上量化，矢量量化器的输入为预测矢量误差表示为：

其中，s_n是输入的多维矢量，是预测器的输出矢量值；

p阶矢量线性预测器通过前p次时刻的采样观测值s_n-1,s_n-2,…,s_n-p，由下式得到所述输入的多维矢量s_n的预测值

步骤4)定义p阶预测器性能测度J为：选择使p阶预测器性能测度J最小的预测系数矩阵集A：

定义D×D相关矩阵为

此处i,j∈[1,p]，s_n-i,分别为D×1,1×D维向量；

根据正交法则，当线性预测器产生的各误差分量与各观测值正交时，有

将式(1)和(2)代入式(3)，得

式中，v∈[1,p]；A_v为步骤2中预测系数矩阵集里对应的第v个子矩阵；

将式(4)写成：

将式(5)通过如下的矩阵方程来表示：

对于式(6)，采用Levinson-Durbin算法求解一般情况下的p阶平稳D维矢量序列最佳线性预测器的系数矩阵集A；

步骤5)采用k-means聚类法对所述长度为N的多维矢量集进行聚类，求得最优码本C；码本的长度由量化比特数决定，量化比特数Qb＝log₂k，k为k-means的聚类簇数。