【技术实现步骤摘要】
本专利技术属于通信，具体而言，涉及基于支持向量机的逆向调制光通信位同步方法与系统。
技术介绍
1、同步是通信的前提和基础，逆向调制无线光通信受大气湍流的影响，使用传统的位同步方法存在同步性能差与准确率不高等问题。
2、传统自由空间光通信（free space optical communication，简称fso）需要在收发两端都对称地装载激光发射与接收系统。由于激光的方向性好、发散角小（毫弧量级），平台的微小振动会造成信号光的偏离，增加系统的功率损耗，使误码率升高，严重时，直接会导致通信的中断，因此在收发端都需要配备复杂的跟踪瞄准（acquisition tracking andpointing，简称atp）系统，使得传统fso系统重量重、体积大、功耗高和技术复杂度增大，制约了传统fso在无人机与小型卫星等小平台上的应用。
3、逆向调制（modulating retro-reflector，简称mrr）无线光通信系统相较于传统fso系统具有不对称性，系统分为询问端（含光发送机和接收机）、逆向调制端（含逆向调制器和反射系统）和大气信道三个部分。逆向调制端巧妙地利用反射的原理，使入射光束原路返回，系统模型如附图1所示。未调制、具有稳定光强的直流询问光束从光发送机发出，经过前向链路到达逆向调制端，逆向调制器将需要传送的数据调制到激光束中，通过反射结构将经过调制的激光束反射由后向链路原路返回到询问端的光接收机，利用光电变换将光信号转为电信号，电信号再经解调，恢复出从逆向调制端发送来的数据。然而大气传输信道是随机
4、目前逆向调制无线光通信广泛采用的调制技术是ook，依靠nrz的组合排列实现对传输信号的调制，发送信号只有“0”和“1”两个状态，在信号质量好的情况下，相应接收到低电平和高电平，根据判决门限作简单判决即可得到码元序列的初始相位。但是当出现强干扰或者信号衰落影响时，接收端电平抖动大，电平跟踪困难，错判跳变沿的概率会大大增加，导致锁相环无法获得位同步的比较基准脉冲，位同步实现困难，锁相环结构框图如附图2所示。湍流会引起传播光束的相位和辐照度起伏，在湍流影响下，使用传统同步方法时电平跟踪判决困难，上升沿和下降沿定位困难，导致码元判决时刻难以确定。
技术实现思路
1、为了解决上述技术问题，本专利技术提供基于支持向量机的逆向调制光通信位同步方法与系统。
2、第一方面，本专利技术提供了基于支持向量机的逆向调制光通信位同步方法，包括离线训练阶段与在线判别阶段：
3、离线训练阶段，包括：
4、系统输入带标签的特征向量；特征向量为接收端接收到的一组受湍流损伤的电平值；标签的值根据该组电平值中间位置的跳变状态确定；
5、以特征向量的标签为分类目标，构建分类器，利用支持向量机学习特征向量与分类目标之间的映射关系，确定最优分离超平面，得到训练后的分类器；
6、在线判别阶段，包括：
7、系统接收在线传输的特征向量，利用训练后的分类器对电平值进行预测，根据电平值的预测结果与跳变沿的位置，得到位同步的目标信号。
8、第二方面，本专利技术提供了基于支持向量机的逆向调制光通信位同步系统，包括离线训练单元与在线判别单元；
9、离线训练单元，包括输入单元与模型构建与训练单元：
10、输入单元，用于系统输入带标签的特征向量；特征向量为接收端接收到的一组受湍流损伤的电平值；标签的值根据该组电平值中间位置的跳变状态确定；
11、模型构建与训练单元，用于以特征向量的标签为分类目标，构建分类器，利用支持向量机学习特征向量与分类目标之间的映射关系，确定最优分离超平面，得到训练后的分类器；
12、在线判别单元，包括接收单元与处理单元：
13、接收单元，用于系统接收在线传输的特征向量；
14、处理单元，用于利用训练后的分类器对电平值进行预测，根据电平值的预测结果与跳变沿的位置，得到位同步的目标信号。
15、在上述技术方案的基础上，本专利技术还可以做如下改进。
16、进一步，将若干个连续采样点构建成一个特征向量，每个特征向量的步进为一个采样点。
17、进一步，系统输入带标签的特征向量时，将所有采样点中的中间采样点位置发生跳变的特征向量标注为第一标签值，将不发生跳变的特征向量标注为第二标签值。
18、进一步，确定最优分离超平面时，确定与分离超平面方向相同的分类数据的两条边界线，两条边界线上的边界点到分离超平面的垂直距离相等；确定边界线之间的距离最大的分离超平面得到最优分离超平面。
19、进一步，设输入的特征向量的总数量为m，特征向量的维度为n，k为特征向量的数量，为第k个特征向量，为第m个特征向量；为n维度特征向量的集合；系统的输入为m个n维的特征向量，表示为：
20、，；
21、设为第k个特征向量对应的标签，为第m个特征向量对应的标签，则各个特征向量对应的标签表示为：
22、，；
23、设为特征向量的权重系数，为权重系数的转置矩阵，为特征向量的偏置，，定义最优分离超平面的方程为：；
24、最优分离超平面将特征向量分为两类，分界线表示为：
25、；
26、根据特征向量与分类目标之间的映射关系得到目标函数表示为：
27、。
28、进一步，利用python工具，引入sklearn库的支持向量机构建分类模型，将惩罚因子与高斯核参数作为分类模型参数；
29、对数据集合分层采样，将数据集合分为若干个大小相同的互斥子集，将互斥子集分为训练集与验证集，用训练集对分类模型进行训练，再利用验证集对训练得到的分类模型进行验证，得到若干组测试结果的均值；通过交叉验证的方法分析分类模型的性能。
30、进一步，惩罚因子与高斯核参数从数组中选择，数组为：
31、。
32、进一步，通过交叉验证的方法分析分类模型的性能，设精确率为p，召回率为r，精确率与召回率的调和平均值为，正类预测为正类表示为，正类预测为负类表示为，负类预测为正类表示为，则：
33、；
34、；
35、。
36、本专利技术的有益效果是：本专利技术提出了一种基于支持向量机识别跳变沿的方法来实现逆向调制无线光通信的位同步，能够学习信号特征并检测出跳变沿，并且随着湍流强度的增大，性能优势相较于传统方法更加明显。
本文档来自技高网...【技术保护点】
1.基于支持向量机的逆向调制光通信位同步方法，其特征在于，包括离线训练阶段与在线判别阶段：
2.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，将若干个连续采样点构建成一个特征向量，每个特征向量的步进为一个采样点。
3.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，系统输入带标签的特征向量时，将所有采样点中的中间采样点位置发生跳变的特征向量标注为第一标签值，将不发生跳变的特征向量标注为第二标签值。
4.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，确定最优分离超平面时，确定与分离超平面方向相同的分类数据的两条边界线，两条边界线上的边界点到分离超平面的垂直距离相等；确定边界线之间的距离最大的分离超平面得到最优分离超平面。
5.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，设输入的特征向量的总数量为m，特征向量的维度为n，k为特征向量的数量，为第k个特征向量，为第m个特征向量；为n维度特征向量的集合；系统的输入为m个n维的特征向量，表示
6.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，利用python工具，引入sklearn库的支持向量机构建分类模型，将惩罚因子与高斯核参数作为分类模型参数；
7.根据权利要求6所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，惩罚因子与高斯核参数从数组中选择，数组为：
8.根据权利要求6所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，通过交叉验证的方法分析分类模型的性能，设精确率为P，召回率为R，精确率与召回率的调和平均值为，正类预测为正类表示为，正类预测为负类表示为，负类预测为正类表示为，则：
9.基于支持向量机的逆向调制光通信位同步系统，其特征在于，包括离线训练单元与在线判别单元；
...【技术特征摘要】
1.基于支持向量机的逆向调制光通信位同步方法，其特征在于，包括离线训练阶段与在线判别阶段：
2.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，将若干个连续采样点构建成一个特征向量，每个特征向量的步进为一个采样点。
3.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，系统输入带标签的特征向量时，将所有采样点中的中间采样点位置发生跳变的特征向量标注为第一标签值，将不发生跳变的特征向量标注为第二标签值。
4.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，确定最优分离超平面时，确定与分离超平面方向相同的分类数据的两条边界线，两条边界线上的边界点到分离超平面的垂直距离相等；确定边界线之间的距离最大的分离超平面得到最优分离超平面。
5.根据权利要求1所述基于支持向量机的逆向调制光通信位同步方法，其特征在于，设输入的特征向量...
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。