【技术实现步骤摘要】
本专利技术属于无线光通信，具体涉及一种基于元学习策略的光子计数调制模式识别装置和方法。
技术介绍
1、传统的无线射频(rf)频谱资源正日益枯竭，在未来，5g系统将很难再承载更加海量的移动通信流量的需求。无线光通信(optical wireless communication,owc)的频谱资源丰富且不需要授权，因此能够克服基于射频(rf)的无线通信中的频谱短缺问题。此外，无线光通信系统具有不会产生电磁干扰、不会受到现有射频载波影响等优点，且能够在较为恶劣或射频受限的应用场景中运行。因此，无线光通信可以作为现有基于射频的无线通信的重要补充，具有十分广阔的应用前景。owc系统主要由发射端的发光二极管(led)或激光、接收端的光电二极管(pd)组成。目前owc的应用领域包括：固定地面站之间的地面无线通信，卫星和固定地面站之间的星地通信，可移动设备与移动站或固定站之间的移动通信，以及水下无线通信等。
2、光子计数器对低功率的光信号具有非常优异的检测性能。因此，光子计数是无线光通信系统中检测低功率光信号的非常有前景的解决方案。与传统的加性高斯白噪声(awgn)模型不同，光子计数系统中的泊松散弹噪声是与信号相关的，其大小取决于接收信号的总能量。相比较于高斯分布，泊松分布不具备线性性质。具体而言，泊松分布除对0和1以外的任意实数的数乘不再是一个泊松分布。这意味着泊松分布不存在类似于“任意高斯分布都可以写成关于标准高斯分布的线性形式”的性质。基散弹噪声受限的光子计数系统是由泊松计数过程(pcp)建模。
3、对于具有湍流的
4、元学习，含义为“学会学习”，是机器学习领域的一个新兴研究领域。区别于以映射方式为主的深度学习和以试错方式为主的强化学习，元学习旨在学会如何学习。其核心目标是模仿人类有效学习和识别目标的认知过程。元学习致力于克服深度学习模型需要大量的训练样本才能进行生产性训练的障碍，用小样本数据驱动训练迭代。元学习以累积经验的方式形成“价值观”，基于本身的认知和价值判断能力对模型进行调整或优化，让智能体在实际环境中能快速学会各项复杂新任务，实现真正意义上的人工智能。常见的元学习算法有：
5、model-agnostic meta-learning(maml)：一种元学习算法，其思想是在多个不同的任务上训练神经网络，以便该网络能够快速适应新的任务；
6、reptile：与maml类似，但是它采用近似梯度下降来进行模型参数更新；
7、meta-sgd：这种方法使用另一个神经网络来预测每个任务的学习率和动量超参数，以优化神经网络在多个任务上的性能。
技术实现思路
1、本专利技术的目的在于提供一种基于元学习策略的光子计数调制模式识别装置和方法，能够在很少信号样本量的情况下，自动识别出发射端的信号调制模式的类别。
2、本专利技术提供的基于元学习策略的光子计数调制模式识别装置，如图1所示，包括3个模块：发射机模块、接收机模块、元学习网络模块，以及一个无线光信道，具体如下：
3、所述发射机模块，由信号处理模块和发射光器件构成；其中，所述信号处理模块包括pam调制、预编码、直流偏置3个部分；pam调制用于对初始信号进行脉冲幅度调制，将离散时间信号转换为适用于高速通信系统的可变幅度连续时间信号；预编码是在mmse准则下对泊松散弹噪声受限模型下的信号进行编码处理，使其具有较强的抗背景辐射噪声的能力，提高系统的传输速率和链路可靠性；直流偏置是将经过预编码后得到的信号进行修正，使其满足光通信中信号非负的要求，进而通过发射光器件发射；所述发射光器件为一种新型高带宽和高效率的微型发光二极管(micro light-emitting diode,micro-led)。micro-led可以提供单位照明区域的高量子效率和高输出光功率，并且micro-led的带宽可达几百赫兹。利用发射光器件可以将经过信号处理模块得到的电信号转换为光信号，然后以光强的形式在无线光信道中传播。
4、具体地，pam调制，对于q阶pam调制，设代表ns×1维的pam信号，(·)t表示转置操作，各个pam符号之间是独立的，且pam符号在[-1,1]内是均匀分布，其离散值为：
5、(2m-1-q)/(q-1),1≤m≤q； (1)
6、对于q阶pam调制，每个传输时隙可传输ns×log2q比特的信息；
7、原始pam信号在经过预编码以及添加直流偏置后，发射信号为：
8、zs＝w0s+b, (2)
9、其中，w0是nt×ns维的伪逆预编码矩阵，b表示nt×1维的直流偏置向量；由于光通信中要求信号为非负，因此需要给发射信号增加直流偏置。
10、所述无线光信道，为受大气湍流影响的信道，无线光信道的模型采用gamma-gamma分布模型[1]。大气湍流效应是由于在大气的传输介质中，空间温度场分布的不均匀以及空气压力的波动引起大气折射率的变化所导致的。gamma-gamma分布模型是通过分析光闪烁理论而提出的描述大气湍流中光强衰落的数学模型，是一种被广泛接受的湍流信道模型，其表达式为：
11、
12、其中，i为光强度衰减，k(·)表示第二类修正贝塞尔函数，kα-β表示阶数为α-β的第二类修正贝塞尔函数，γ(·)是标准gamma函数，α是大气湍流信道散射环境中的大尺度涡流因子，β是大气湍流信道散射环境中的小尺度涡流因子，它们的计算表达式由下式给出：
13、
14、
15、其中，σ2是rytov方差，其计算表达式是：
16、σ2＝0.5c2κ7/6l11/6， (6)
17、d是几何因子，其计算表达式是：
18、d＝(κd2/4l)1/2； (7)
19、此外，d表示接收机的透镜直径，l表示光源到接收器的传输距离，κ是波数，c2是传输介质的折射率。闪烁指数(scintillation index,s.i.)的定义是1/α+1/β+1/(αβ)；
20、所述接收机模块，由接收光器件、信号处理模块构成。其中，接收本文档来自技高网...
【技术保护点】
1.一种基于元学习策略的光子计数调制模式识别装置，其特征在于，包括3个模块：发射机模块、接收机模块、元学习网络模块，以及一个无线光信道，具体如下：
2.根据权利要求1所述的基于元学习策略的光子计数调制模式识别装置，其特征在于，所述发射机模块中采用PAM调制，对于Q阶PAM调制，设代表Ns×1维的PAM信号，(·)T表示转置操作，各个PAM符号之间是独立的，且PAM符号在[-1,1]内是均匀分布，其离散值为：
3.根据权利要求2所述的基于元学习策略的光子计数调制模式识别装置，其特征在于，所述无线光信道采用Gamma-Gamma分布模型，其表达式为：
4.根据权利要求3所述的基于元学习策略的光子计数调制模式识别装置，其特征在于，所述接收机模快中使用光子计数器作为光接收器件，接收信号是泊松散弹噪声受限的；光子计数器的输出是一个数字计数，表示为Nr×1维的列向量对于每个传输时隙，光子计数器的计数yj符合泊松分布，其概率如下所示：
5.根据权利要求4所述的基于元学习策略的光子计数调制模式识别装置，其特征在于，所述元学习网络模块中，特征提取模块
6.基于权利要求5所述装置的光子计数调制模式识别方法，其特征在于，具体步骤如下：
...【技术特征摘要】
1.一种基于元学习策略的光子计数调制模式识别装置，其特征在于，包括3个模块：发射机模块、接收机模块、元学习网络模块，以及一个无线光信道，具体如下：
2.根据权利要求1所述的基于元学习策略的光子计数调制模式识别装置，其特征在于，所述发射机模块中采用pam调制，对于q阶pam调制，设代表ns×1维的pam信号，(·)t表示转置操作，各个pam符号之间是独立的，且pam符号在[-1,1]内是均匀分布，其离散值为：
3.根据权利要求2所述的基于元学习策略的光子计数调制模式识别装置，其特征在于，所述无线光信道采用gamma-gamma分布模型，其表达式为：
4.根据权利要求3所述的基于元学习策略的光...
【专利技术属性】
技术研发人员：谷若诗，周小林，葛鸿飞，陈颖，林志霖，
申请(专利权)人：复旦大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。