[发明专利]一种基于幅度分布特征的概率整形信号整形分布识别方法

权利要求书

1.一种基于幅度分布特征的概率整形信号整形分布识别方法，其特征在于，包括以下步骤：

步骤S1，获取接收端光信号的数字符号序列，经过预处理后得到数字符号序列Y；所述预测处理包含色散补偿、时钟恢复和偏振解复用；预处理的后的数字符号序列表示为y(n)＝{y₁,y₂,...,y_i,...,y_N}，其中y_i为预处理后的复数信号采样点，N为接收光信号序列总的采样点数；

步骤S2，通过归一化函数对预处理后的光信号序列进行归一化，归一化公式为：

其中，y′(n)表示经过归一化后的光信号，||表示取模操作，max表示取最大值操作；

步骤S3，获取归一化后整体信号的幅度均值和幅度方差；

步骤S4，通过统计归一化光信号复数符号在不同幅度范围内数目获取整形信号的幅度分布特征；

步骤S5，将获取到的幅度特征输入到全连接的DNN模型获取信号的整形分布信息。

2.根据权利要求1所述的一种基于幅度分布特征的概率整形信号整形分布识别方法，其特征在于，所述步骤S1中的偏振解复用算法，将四个最低振幅符号组成一个内部QPSK，然后再利用斯托克斯空间进行偏振解复用。

3.根据权利要求1所述的一种基于幅度分布特征的概率整形信号整形分布识别方法，其特征在于，所述步骤S3中幅度均值和幅度方差的计算方法，具体为：

其中，i表示采样信号序号，N表示采样点总数。

4.根据权利要求1所述的一种基于幅度分布特征的概率整形信号整形分布识别方法，其特征在于，所述步骤S4中，根据不同调制格式的星座分布调整幅度划分区间。

5.根据权利要求1所述的一种基于幅度分布特征的概率整形信号整形分布识别方法，其特征在于，将所述幅度方差、幅度均值和幅度分布特征输入到全连接的DNN前对特征进行数据标准化处理，计算方法具体为：

其中，x表示某种幅度特征，μ表示该特征对应的均值，σ表示该特征对应的均值。

6.根据权利要求1所述的一种基于幅度分布特征的概率整形信号整形分布识别方法，其特征在于，所述步骤S5中所述的DNN模型由一个输入层、三个隐藏层和一个输出层组成，其中输入层的个数和提取到的幅度特征个数相同，三个隐藏层分别由28、56和24个神经元组成，输出层包含神经元个数与预识别信号的整形分布类型数量相同，损失函数使用交叉熵损失函数，表达式具体为：

其中，M表示识别类别数量；y_ic为符号函数(0或1)，当样本i与真实类别c一致时取1，否则取0；p_ic表示样本i属于类别c的预测概率。