基于DBSCAN和DW-KNN的信道均衡方法及系统技术方案

本发明专利技术涉及一种基于DBSCAN和DW

【技术实现步骤摘要】
基于DBSCAN和DW
‑
KNN的信道均衡方法及系统


[0001]本专利技术涉及光纤通信
，特别是涉及一种基于DBSCAN和DW
‑
KNN的信道均衡方法及系统。

技术介绍

[0002]自光纤通信技术问世以来，整个信息通信领域发生了革命性的改变。光纤通信技术使用具有高载波频率的光波作为信息传输的载体，光纤作为信息传输的媒介。其主要特点是传输速度快，容量大，损耗低，体积小。同时它重量轻，抗电磁干扰，不易串扰。随着互联网、云计算、高清视频、人工智能、物联网等网络业务的爆发式增长，其业务的快速发展导致对网络流量需求激增。
[0003]为了满足快速增长的网络需求，发展高速大容量光纤通信技术是信息通信的必然趋势。传输信道容量将面临着越来越大的压力，对大容量和长距离传输质量的需求也越来越高。然而，由于器件和传输链路的非线性，高速长距离光纤通信系统的性能严重恶化。因此，系统非线性补偿被认为是提高光通信系统容量和性能的关键技术。近些年来，光通信技术、计算机处理速度、DSP(Digital Signal Process，数字信号处理)技术和高速ADC(Analog Digtal Convert，模数转换)芯片的发展使光信号数字均衡技术快速发展。这些均衡技术可以在复杂的环境、有噪声的干扰和各种信号损伤的条件下，尽量少的依赖其它的先验知识或者没有先验知识，确定接收信号的调制格式等参数，为信号恢复和处理提供依据，对信号损伤进行自动有效补偿。
[0004]高频谱效率编码和高阶调制技术是实现高速大容量传输的关键。在高阶调制格式下，由于符号间欧式距离变小，星座图中星座点分布更为密集，更容易受到噪声的影响。根据香农定理，系统的容量越大，信号实现可靠传输则需要更高的信噪比。当增大入纤功率来提高信噪比时，由于光纤中的克尔效应会引入更强的非线性相位噪声，高阶调制格式包含相位信息，对相位噪声尤其敏感。目前针对色散、偏振模色散以及激光器相位噪声等线性损伤的数字信号处理算法的研究已经比较成熟，可以实现快速有效的补偿。然而，针对光纤中的非线性损伤，并没有成熟完善的解决方案。因此，光纤中非线性效应依然是限制系统容量和长距离传输的最终因素。

技术实现思路

[0005]本专利技术的目的是提供一种基于DBSCAN和DW
‑
KNN的信道均衡方法及系统，以实现对光纤中的非线性损伤的有效补偿，提升光纤传输系统的传输容限。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于DBSCAN和DW
‑
KNN的信道均衡方法，包括：
[0008]获取光纤传输系统接收端的多电平正交幅度调制M
‑
QAM信号的星座点数据样本集；
[0009]采用基于密度的带噪声应用空间聚类DBSCAN对所述星座点数据样本集中的样本
点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集；
[0010]将所述已分类好的带标签点集作为训练样本，采用基于距离权重的k近邻DW
‑
KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集；
[0011]将所述已分类好的带标签点集与所述二次分类好的带标签点集合并为总带标签点集合，完成基于DBSCAN和DWKNN的联合非线性补偿。
[0012]可选地，所述获取光纤传输系统接收端的多电平正交幅度调制M
‑
QAM信号的星座点样本集，具体包括：
[0013]采集所述光纤传输系统接收端的M
‑
QAM信号的星座点的横纵坐标，生成一个N行2列的矩阵作为所述星座点样本集。
[0014]可选地，所述采用DBSCAN对所述星座点数据样本集中的样本点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集，具体包括：
[0015]获取预设的邻域半径R和在领域半径内检索时应包含点的最小值MinPoints；
[0016]根据所述邻域半径R和所述最小值MinPoints确定所述星座点数据样本集中的核心样本点并分配标签；
[0017]检索所述核心样本点的所有密度可达点并分配标签，生成已分类好的带标签点集和未完成分类的噪声点集。
[0018]可选地，所述将所述已分类好的带标签点集作为训练样本，采用DW
‑
KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集，具体包括：
[0019]将所述已分类好的带标签点集作为训练样本输入所述DW
‑
KNN算法中；
[0020]计算所述未完成分类的噪声点集中的待测试样本点与所述已分类好的带标签点集中的每个样本点的距离；
[0021]根据所述距离选取预设数量的最近的样本点作为所述待测试样本点的邻居并计算对应的权重；
[0022]根据所述距离和权重确定所述待测试样本点的类别，生成二次分类好的带标签点集。
[0023]一种基于DBSCAN和DW
‑
KNN的信道均衡系统，包括：
[0024]样本采集模块，用于获取光纤传输系统接收端的多电平正交幅度调制M
‑
QAM信号的星座点数据样本集；
[0025]DBSCAN聚类模块，用于采用基于密度的带噪声应用空间聚类DBSCAN对所述星座点数据样本集中的样本点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集；
[0026]DW
‑
KNN聚类模块，用于将所述已分类好的带标签点集作为训练样本，采用基于距离权重的k近邻DW
‑
KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集；
[0027]联合非线性补偿模块，用于将所述已分类好的带标签点集与所述二次分类好的带标签点集合并为总带标签点集合，完成基于DBSCAN和DWKNN的联合非线性补偿。
[0028]可选地，所述样本采集模块具体包括：
[0029]样本采集单元，用于采集所述光纤传输系统接收端的M
‑
QAM信号的星座点的横纵
坐标，生成一个N行2列的矩阵作为所述星座点样本集。
[0030]可选地，所述DBSCAN聚类模块具体包括：
[0031]预设参数获取单元，用于获取预设的邻域半径R和在领域半径内检索时应包含点的最小值MinPoints；
[0032]核心样本点标签分配单元，用于根据所述邻域半径R和所述最小值MinPoints确定所述星座点数据样本集中的核心样本点并分配标签；
[0033]邻居节点标签分配单元，用于检索所述核心样本点的所有密度可达点并分配标签，生成已分类好的带标签点集和未完成分类的噪声点集。
[0034]可选地，所述DW
‑
KNN聚类模块具体包括：
[0035]训练样本输入单元，用于将所述已分类好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DBSCAN和DW
‑
KNN的信道均衡方法，其特征在于，包括：获取光纤传输系统接收端的多电平正交幅度调制M
‑
QAM信号的星座点数据样本集；采用基于密度的带噪声应用空间聚类DBSCAN对所述星座点数据样本集中的样本点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集；将所述已分类好的带标签点集作为训练样本，采用基于距离权重的k近邻DW
‑
KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集；将所述已分类好的带标签点集与所述二次分类好的带标签点集合并为总带标签点集合，完成基于DBSCAN和DWKNN的联合非线性补偿。2.根据权利要求1所述的方法，其特征在于，所述获取光纤传输系统接收端的多电平正交幅度调制M
‑
QAM信号的星座点样本集，具体包括：采集所述光纤传输系统接收端的M
‑
QAM信号的星座点的横纵坐标，生成一个N行2列的矩阵作为所述星座点样本集。3.根据权利要求2所述的方法，其特征在于，所述采用DBSCAN对所述星座点数据样本集中的样本点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集，具体包括：获取预设的邻域半径R和在领域半径内检索时应包含点的最小值MinPoints；根据所述邻域半径R和所述最小值MinPoints确定所述星座点数据样本集中的核心样本点并分配标签；检索所述核心样本点的所有密度可达点并分配标签，生成已分类好的带标签点集和未完成分类的噪声点集。4.根据权利要求3所述的方法，其特征在于，所述将所述已分类好的带标签点集作为训练样本，采用DW
‑
KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集，具体包括：将所述已分类好的带标签点集作为训练样本输入所述DW
‑
KNN算法中；计算所述未完成分类的噪声点集中的待测试样本点与所述已分类好的带标签点集中的每个样本点的距离；根据所述距离选取预设数量的最近的样本点作为所述待测试样本点的邻居并计算对应的权重；根据所述距离和权重确定所述待测试样本点的类别，生成二次分类好的带标签点集。5.一种基...

【专利技术属性】
技术研发人员：王拥军，黄兴源，李超，张琦，田清华，姚海鹏，田凤，刘欣雨，于超，周思彤，忻向军，高然，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：