CN113537061B - 二维正交振幅调制信号的格式识别方法、装置及存储介质 - Google Patents
二维正交振幅调制信号的格式识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113537061B CN113537061B CN202110805144.4A CN202110805144A CN113537061B CN 113537061 B CN113537061 B CN 113537061B CN 202110805144 A CN202110805144 A CN 202110805144A CN 113537061 B CN113537061 B CN 113537061B
- Authority
- CN
- China
- Prior art keywords
- quadrature amplitude
- amplitude modulation
- data point
- data points
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 230000010363 phase shift Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 abstract description 27
- 238000004891 communication Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910052691 Erbium Inorganic materials 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optical Communication System (AREA)
Abstract
本申请实施例提供面向高速光通信模块应用的一种二维正交振幅调制信号的格式识别方法、装置及存储介质，通过利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建二维正交振幅调制信号的星座图；基于聚类算法，确定并基于星座图中星座云簇的数量，从多种信号格式中确定出二维正交振幅调制信号的信号格式；其中，多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。本申请通过聚类算法以计算得到二维正交振幅调制信号的星座图中的星座云簇的数量，从而基于星座云簇数量，识别出二维正交振幅调制信号的信号调制格式，与现有技术相比，其识别鲁棒性较高。
Description
技术领域
本申请涉及信息传输技术领域，尤其涉及一种二维正交振幅调制信号的格式识别方法、装置及存储介质。
背景技术
信号调制格式识别技术在无线通信领域有着十分重要的作用，特别的，随着支持多调制信号的相干光通信技术的发展，在光通信领域中信号调制格式识别方面也研究逐渐开展。
在现有技术中，一般会采用监督学习算法来对信号调至格式进行识别，如利用K均值聚类算法，以得到质心数并估计调制格式的阶数。
但是，现有的方式由于利用了监督学习算法，其需要预先对监督学习算法进行训练，而该过程中将需要大量的训练资源，同时，训练的效果与初始质心的选择相关，其资源消耗较大，识别鲁棒性较低。
发明内容
本申请实施例提供一种基于二维正交振幅调制信号的格式识别方法、装置及存储介质，用于提高二维正交振幅调制信号的格式识别准确性。
第一方面，本申请提供了一种二维正交振幅调制信号的格式识别方法，包括：
利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；
基于聚类算法，确定所述星座图中星座云簇的数量；
根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；
其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。
可选地，所述基于聚类算法，确定所述星座图中星座云簇的数量，包括：
确定所述二维正交振幅调制信号的数据点之间的截断距离，并计算二维正交振幅调制信号的各数据点的汇聚度；
针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离；其中所述关联数据点是指汇聚度高于该每一个数据点的数据点；
根据各数据点的最小距离和汇聚度构建二维条形图，并根据所述二维条形图计算星座云簇的数量。
可选地，所述计算二维正交振幅调制信号的各数据点的汇聚度，包括：
根据高斯核公式计算每个数据点的汇聚度；
所述高斯核公式表示为：
其中，ρi表示为N个数据点中第i个数据点的汇聚度，所述Dij表示为N个数据点中的第i个数据点与第j个数据点之间的欧式距离，所述Dc表示预设的截断距离。
可选地，所述针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离之前，包括：
根据各数据点对数据点进行高密度点去除的处理，得到候选数据点；
针对于各数据点中的每一个候选数据点，计算每一个候选数据点数据与其对应的关联数据点之间的最小距离。
可选地，所述根据各数据点对数据点进行高密度点去除的处理，得到候选数据点，包括：
在各数据点中确定出簇心点与非簇心点；
计算各非簇心点到各簇心点的距离；
将距离小于预设距离阈值的非簇心点的汇聚度进行置零处理，并对处理后的全部数据点的汇聚度进行降序排序；
根据降序排序结果，选出预设数量的数据点作为候选数据点。
可选地，所述确定所述二维正交振幅调制信号的数据点之间的截断距离，包括：
根据各数据点与其他数据点之间的欧式距离以及数据点数量，确定所述截断距离。
可选地，所述二维条形图用于表示各数据点的最小距离和汇聚度之积与各数据点之间的关联关系；
所述根据所述二维条形图计算星座云簇的数量，包括：
对二维条形图中的相邻的数据点的最小距离和汇聚度之积进行差分处理，得到处理后的二维条形图；
根据处理后的二维条形图中的差分峰值，确定出星座云簇的数量。
第二方面，本申请提供了一种二维正交振幅调制信号的格式识别装置，包括：
调解模块，用于利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；
聚类模块，用于基于聚类算法，确定所述星座图中星座云簇的数量；
识别模块，用于根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；
其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。
第三方面，本申请提供了一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-7任一项所述的二维正交振幅调制信号的格式识别方法。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的二维正交振幅调制信号的格式识别方法。
第五方面，本申请提供了一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现第一方面任一项所述的二维正交振幅调制信号的格式识别方法。
本申请实施例提供一种二维正交振幅调制信号的格式识别方法、装置及存储介质，通过利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；基于聚类算法，确定所述星座图中星座云簇的数量；根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。本申请通过聚类算法以计算得到二维正交振幅调制信号的星座图中的星座云簇的数量，从而基于星座云簇数量，识别出二维正交振幅调制信号的信号调制格式，与现有技术相比，其识别鲁棒性较高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请所基于的一种网络架构的示意图；
图2是本申请提供的一种二维正交振幅调制信号的格式识别方法的流程示意图；
图3是本申请提供的一种64二维正交幅度调制信号的二维条形图；
图4是本申请提供的对图3所示的二维条形图进行扩大后的二维条形示意图；
图5是本申请提供的对图4所示的二维条形图进行差分处理后的二维条形示意图；
图6为本申请提供的一种多个格式的信号的识别率与光信噪比OSNR(dB)对比的示意图；
图7为本申请提供的一种二维正交振幅调制信号的格式识别装置的结构示意图；
图8为本申请实施例提供的电子设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的系统和方法的例子。
信号调制格式识别技术在无线通信领域有着十分重要的作用，例如在军事电子方面，通过对窃取信号进行调制格式识别从而协助恢复窃取信号；又例如在民用通信方面，通过对链路自适应系统中的信号调制格式进行识别，能够减少调制格式相关的冗余控制信息分发，从而提高链路自适应系统的频谱利用率。
此外，随着支持多调制信号的相干光通信技术的发展，信号调制格式识别在在光通信领域中的研究也逐渐开展，其作用和应用也具体体现在如下两个方面：
第一方面，由于相干光接收机中的DSP相位恢复算法是和信号调制格式相关的。因此，可先利用信号调制格式识别方法先预知信号调制格式信息，然后利用得到的信号调制格式信息对信号进行有效恢复。
第二，光通信网络正在从静态僵固化到动态智能化演化，信号调制格式识别技术能为智能化光网络交换节点实时提供物理层信号调制信息。信号调制格式识别是实现自适应智能信号判决的必要条件。
为了实现对信号格式的识别，在现有技术中，一般会采用监督学习算法来对信号调至格式进行识别，如利用K均值聚类算法，以得到质心数并估计调制格式的阶数。
但是，现有的方式由于利用了监督学习算法，其需要预先对监督学习算法进行训练，而该过程中将需要大量的训练资源，同时，训练的效果与初始质心的选择相关，其资源消耗较大，识别鲁棒性较低。
针对上述问题，发明人发现可通过聚类算法以计算得到二维正交振幅调制信号的星座图中的星座云簇的数量，从而基于星座云簇数量，识别出二维正交振幅调制信号的信号调制格式，与现有技术相比，其识别鲁棒性较高。
下面将结合不同实现方式对本申请提供的方法进行说明。
参考图1，图1为本申请所基于的一种网络架构的示意图，该图1所示网络架构具体可面向高速光通信模块应用，其可包括信号发生器1、信号接收器2以及二维正交振幅调制信号的格式识别装置3。
其中，信号发生器1具体可包括波形发生器、外腔激光器、马赫-曾德调制器、可变光衰减器和掺饵放大器等多种仪器设备的组合。其中的波形发生器、外腔激光器、马赫-曾德调制器可用于将待传递的信号加载并转换成光信号，以得到调制光信号；而可变光衰减器和掺饵放大器可用于改变调制光信号的光信噪比。当然，上述涉及的仪器设备仅为举例，在实际使用中，其可为其他类型和其他功能的仪器设备。
经过信号发生器1，信号将转换为调制光信号并发送至信号接收器2。其中，信号接收器2包括有可变光衰减器、示波器、光电探测器等仪器设备，其作用在于接收和采集信号发生器1发出的调制光信号，并对调制光信号进行采集和调制。
其中，本申请提供的二维正交振幅调制信号的格式识别装置3将集成在所述信号接收器2中，用于基于本申请提供的格式识别方法对信号接收器2采集和调制得到的二维正交振幅调制信号进行格式识别处理，便于根据识别得到的信号格式进行后续的信号恢复等处理。
实施例一
图2是本申请提供的一种二维正交振幅调制信号的格式识别方法的流程示意图，如图2所示的，该方法包括：
步骤201、利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图。
步骤202、基于聚类算法，确定所述星座图中星座云簇的数量。
步骤203、根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。
需要说明的是，本申请提供的二维正交振幅调制信号的格式识别方法具体面向高速光通信模块应用中对二维正交振幅调制信号的格式识别处理上，该格式识别装置可安装或集成在如图1所示的网络架构中的信号接收器2中。
在本实施方式提供的识别方法中，首先通过与调制格式无关的信道估计来解调得到二维正交振幅调制信号，然后对该信号的星座图进行识别。其中，因为二维正交幅度调制信号的星座图里有M个星座云簇，而星座云簇的个数M，则可作为调制格式识别的识别特征，并判定出信号的调制格式。
具体来说，首先，格式识别装置将利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图。其中，格式识别装置将对接收的二维正交幅度调制信号进行与调制格式无关的信道估计，并且对处理后的数据进行归一化以实现对信号的解调处理。而星座图则是将数字信号在复平面上表示，以直观的表示信号以及信号之间的关系的示意图。
随后，格式识别装置将基于聚类算法，确定所述星座图中星座云簇的数量。
可选实施方式中，步骤202具体可包括如下几个步骤：
步骤2021、确定所述二维正交振幅调制信号的数据点之间的截断距离，并计算二维正交振幅调制信号的各数据点的汇聚度；
步骤2022、针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离；其中所述关联数据点是指汇聚度高于该每一个数据点的数据点；
步骤2023、根据各数据点的最小距离和汇聚度构建二维条形图，并根据所述二维条形图计算星座云簇的数量。
对于步骤2021中的截断距离的确定一般可基于调制格式。在可选实施方式中，还可根据各数据点与其他数据点之间的欧式距离以及数据点数量，确定所述截断距离。
具体来说，针对二维正交振幅调制信号来说，假设其包括有N个数据点，针对N个数据点中的任一数据点，利用下述的公式(1)可计算其与其余N-1个数据点的欧式距离。
其中xi＝(xi1,xi2,…,xim)和xj＝(xj1,xj2,…,xjm)是N个m维数据中的任意两个数据点。Dij用于表示xi和xj之间的欧式距离。
通过对各数据点进行计算，可得到的若干数据点之间的欧式距离，其中，由于Dij与Dji是相同的，即可知道的是，这些欧式距离中的一半距离是相同的，即对N(N-1)个欧式距离进行去重，得到N(N-1)/2个欧式距离，然后将这些欧式距离从小到大进行排序可得到一距离序列，如D1≤D2≤D3…≤DN(N-1)/2，设在排在序列的第k个距离Dk与截断距离Dc相关，基于该距离序列则有k个距离小于Dk，设定k为N(N-1)/2的1％至2％，则可根据序列得到k的数值以及Dk的值，在该值的基础上乘以0.3的加权系数从而得到Dc的取值。
对于步骤2021中的汇聚度的确定则可基于高斯核公式来进行。在可选实施方式中，首先可根据高斯核公式(2)计算每个数据点的汇聚度；
其中，ρi表示为N个数据点中第i个数据点的汇聚度，所述Dij表示为N个数据点中的第i个数据点与第j个数据点之间的欧式距离，所述Dc表示截断距离。
随后，在完成对各数据点的汇聚度的确定之后，还将计算各数据点的最小距离。在每一个数据点的最小距离的计算，可确定与其关联的关联数据点，而关联数据点是指汇聚度高于该每一个数据点的数据点。
例如，针对第i个数据点来说，首先根据各数据点的汇聚度，选出汇聚度大于ρi的数据点，作为该第i个数据点的关联数据点；然后，分别计算每一个关联数据点与该第i个数据点之间的距离，其中的最小的那个距离则为第i个数据点的最小距离δ。
进一步的，为了使得最小距离的计算更加精准，也为了保证信号格式识别的准确性。对于信号来说，星座云簇心周围汇聚度较高点将对数据点的距离计算存在影响，为了减小这种影响，在步骤2022之前，还包括：
步骤301、根据各数据点对数据点进行高密度点去除的处理，得到候选数据点；
步骤302、针对于各数据点中的每一个候选数据点，计算每一个候选数据点数据与其对应的关联数据点之间的最小距离。
步骤301具体可包括在各数据点中确定出簇心点与非簇心点；计算各非簇心点到各簇心点的距离；将距离小于预设距离阈值的非簇心点的汇聚度进行置零处理，并对处理后的全部数据点的汇聚度进行降序排序；根据降序排序结果，选出预设数量的数据点作为候选数据点。
进一步来说，对于簇心点与非簇心点的划分可通过数据点之间的欧式距离来确定：将所有数据点的汇聚度值降序排序即得到ρ1≥ρ2≥ρ3...≥ρN。汇聚度较高的点，则为簇心点；其余为非簇心点。
而对于高密度点去除的处理来说，为了避免星座云簇心周围汇聚度较高点将对数据点的距离计算存在影响，可在星座图上以各簇心点为圆心，绘制半径为截距距离和预设距离阈值的两个圆，其中预设距离阈值可为截距距离的八分之一。然后，将位于预设距离阈值所在的圆内的各非簇心点的汇聚度置为零值。再后，将各数据点的汇聚度重新进行降序排序，并从降序排序的数据点中选出预设个数的数据点作为候选数据点，如2000个来进行最小距离的计算。
其中，对于任一个候选数据点来说，可如前步骤302所述的，将各候选数据点中汇聚度高于该任一个候选数据点的其他候选数据点作为该任一个候选数据点的关联数据点，然后计算各关联数据点与该任一个候选数据点之间的距离，即得到多个距离；在这些距离中，最小的那个距离作为该任一个候选数据点的最小距离。
随后，格式识别装置根据各数据点的最小距离和汇聚度构建二维条形图，并根据所述二维条形图计算星座云簇的数量。
其中，二维条形图用于表示各数据点的最小距离和汇聚度之积与各数据点之间的关联关系；而对二维条形图中的相邻的数据点的最小距离和汇聚度之积进行差分处理，得到处理后的二维条形图；根据处理后的二维条形图中的差分峰值，确定出星座云簇的数量。
图3是本申请提供的一种64二维正交幅度调制信号的二维条形图；其中，横坐标n用于表示数据点；纵坐标R用于表示数据点的最小距离和汇聚度之积即，Ri＝ρiδi。通过图3所示的二维条形图可知星座云簇心与其他星座云簇点之间较大的R变化是区分云簇的分界点。
为了使得该变化更加明显，可通过对图3所示的二维条形图进行对数函数处理，以扩大R变化，得到图4所示的二维条形图。图4是本申请提供的对图3所示的二维条形图进行扩大后的二维条形示意图；与图3不同的是，图4中的纵坐标为lg(R)。
再后，为了能够获取到星座云簇心数量，对图4中的二维条形图相邻的数据点的最小距离和汇聚度之积进行差分处理，得到图5所示的处理后的二维条形图。图5是本申请提供的对图4所示的二维条形图进行差分处理后的二维条形示意图；如图5所示的，该图中的纵坐标为Ri'＝log(Ri-1)-log(Ri)。而通过读图可知，其中最大R'值对应的n＝65，而星座云簇心个数M＝n-1＝64。
最后，格式识别装置将根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式，即64二维正交幅度调制信号的二维条形图。
通过本申请提供面向高速光通信模块应用的格式识别方法能够对信号的格式识别有着更好的识别率，图6为本申请提供的一种多个格式的信号的识别率与光信噪比OSNR(dB)对比的示意图，如图6所示的，其信号格式包括正交相移信号(4-QAM)、8正交振幅调制信号(8-QAM)、16正交振幅调制信号(16-QAM)、32正交振幅调制信号(32-QAM)和64正交振幅调制信号(64-QAM)。
具体的，在测试得到图6的过程中，每个光信噪比的测试样本长度为8192。为了评估效果，测试了4，8，16，32和64正交幅度调制信号的信号识别率，如图6所示。在图6中，虚线和实线分别表示有和没有去除高密度点的结果。如图6中的虚线曲线所示，通过移除部分密度较高的点，对于具有低光信号噪声比的信号，有着更高的信号的识别率。
本申请实施例提供面向高速光通信模块应用的一种二维正交振幅调制信号的格式识别方法，通过利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；基于聚类算法，确定所述星座图中星座云簇的数量；根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。本申请通过聚类算法以计算得到二维正交振幅调制信号的星座图中的星座云簇的数量，从而基于星座云簇数量，识别出二维正交振幅调制信号的信号调制格式，与现有技术相比，其识别鲁棒性较高，特别在面向高速光通信模块应用时有着非常出色的信号识别度。
实施例二
在实施例一的基础上，实施例二提供了一种二维正交振幅调制信号的格式识别装置，图7为本申请提供的一种二维正交振幅调制信号的格式识别装置的结构示意图，如图7所示的，该二维正交振幅调制信号的格式识别装置，包括：
调解模块710，用于利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；
聚类模块720，用于基于聚类算法，确定所述星座图中星座云簇的数量；
识别模块730，用于根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；
其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。
可选地，所述聚类模块720，具体用于：
确定所述二维正交振幅调制信号的数据点之间的截断距离，并计算二维正交振幅调制信号的各数据点的汇聚度；针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离；其中所述关联数据点是指汇聚度高于该每一个数据点的数据点；根据各数据点的最小距离和汇聚度构建二维条形图，并根据所述二维条形图计算星座云簇的数量。
可选地，所述聚类模块720，具体用于：
根据高斯核公式计算每个数据点的汇聚度；
所述高斯核公式表示为：
其中，ρi表示为N个数据点中第i个数据点的汇聚度，所述Dij表示为N个数据点中的第i个数据点与第j个数据点之间的欧式距离，所述Dc表示预设的截断距离。
可选地，所述聚类模块720，具体还用于：
根据各数据点对数据点进行高密度点去除的处理，得到候选数据点；针对于各数据点中的每一个候选数据点，计算每一个候选数据点数据与其对应的关联数据点之间的最小距离。
可选地，所述聚类模块720，具体用于：
在各数据点中确定出簇心点与非簇心点；计算各非簇心点到各簇心点的距离；将距离小于预设距离阈值的非簇心点的汇聚度进行置零处理，并对处理后的全部数据点的汇聚度进行降序排序；根据降序排序结果，选出预设数量的数据点作为候选数据点。
可选地，所述聚类模块720，具体用于：根据各数据点与其他数据点之间的欧式距离以及数据点数量，确定所述截断距离。
可选地，所述二维条形图用于表示各数据点的最小距离和汇聚度之积与各数据点之间的关联关系；
所述聚类模块720，具体用于：对二维条形图中的相邻的数据点的最小距离和汇聚度之积进行差分处理，得到处理后的二维条形图；根据处理后的二维条形图中的差分峰值，确定出星座云簇的数量。
本申请实施例提供面向高速光通信模块应用的一种二维正交振幅调制信号的格式识别装置，通过利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；基于聚类算法，确定所述星座图中星座云簇的数量；根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号。本申请通过聚类算法以计算得到二维正交振幅调制信号的星座图中的星座云簇的数量，从而基于星座云簇数量，识别出二维正交振幅调制信号的信号调制格式，与现有技术相比，其识别鲁棒性较高。
实施例三
图8为本申请实施例提供的电子设备的结构示意图，如图8所示，本申请实施例还提供一种电子设备1400，包括：存储器1401，处理器1402以及计算机程序。
其中，计算机程序存储在存储器1401中，并被配置为由处理器1402执行以实现本申请任意一个实施例提供的二维正交振幅调制信号的格式识别方法。相关说明可以对应参见附图中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
其中，本实施例中，存储器1401和处理器1402通过总线连接。
实施例四
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本申请任意一个实施例提供的二维正交振幅调制信号的格式识别方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程问答系统的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、系统或设备使用或与指令执行系统、系统或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、系统或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现前所述的二维正交振幅调制信号的格式识别方法。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (8)
1.一种二维正交振幅调制信号的格式识别方法，其特征在于，包括：
利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；
基于聚类算法，确定所述星座图中星座云簇的数量；
根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；
其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号；
针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离之前，包括：
根据各数据点对数据点进行高密度点去除的处理，得到候选数据点；
针对于各数据点中的每一个候选数据点，计算每一个候选数据点数据与其对应的关联数据点之间的最小距离；
所述根据各数据点对数据点进行高密度点去除的处理，得到候选数据点，包括：
在各数据点中确定出簇心点与非簇心点；
计算各非簇心点到各簇心点的距离；
将距离小于预设距离阈值的非簇心点的汇聚度进行置零处理，并对处理后的全部数据点的汇聚度进行降序排序；其中，预设距离阈值为截距距离的八分之一；
根据降序排序结果，选出预设数量的数据点作为候选数据点；
所述基于聚类算法，确定所述星座图中星座云簇的数量，包括：
确定所述二维正交振幅调制信号的数据点之间的截断距离，并计算二维正交振幅调制信号的各数据点的汇聚度；
针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离；其中所述关联数据点是指汇聚度高于该每一个数据点的数据点；
根据各数据点的最小距离和汇聚度构建二维条形图，并根据所述二维条形图计算星座云簇的数量。
2.根据权利要求1所述的格式识别方法，其特征在于，所述计算二维正交振幅调制信号的各数据点的汇聚度，包括：
根据高斯核公式计算每个数据点的汇聚度；
所述高斯核公式表示为：
其中，ρi表示为N个数据点中第i个数据点的汇聚度，所述Dij表示为N个数据点中的第i个数据点与第j个数据点之间的欧式距离，所述DC表示预设的截断距离。
3.根据权利要求1所述的格式识别方法，其特征在于，所述确定所述二维正交振幅调制信号的数据点之间的截断距离，包括：
根据各数据点与其他数据点之间的欧式距离以及数据点数量，确定所述截断距离。
4.根据权利要求1所述的格式识别方法，其特征在于，所述二维条形图用于表示各数据点的最小距离和汇聚度之积与各数据点之间的关联关系；
所述根据所述二维条形图计算星座云簇的数量，包括：
对二维条形图中的相邻的数据点的最小距离和汇聚度之积进行差分处理，得到处理后的二维条形图；
根据处理后的二维条形图中的差分峰值，确定出星座云簇的数量。
5.一种二维正交振幅调制信号的格式识别装置，其特征在于，包括：
调解模块，用于利用基于信道估计的解调算法从信号解调得到二维正交振幅调制信号，并构建所述二维正交振幅调制信号的星座图；
聚类模块，用于基于聚类算法，确定所述星座图中星座云簇的数量；
识别模块，用于根据所述星座图中星座云簇的数量，从多种信号格式中确定出所述二维正交振幅调制信号的信号格式；
其中，所述多种信号格式包括：正交相移信号、8正交振幅调制信号、16正交振幅调制信号、32正交振幅调制信号和64正交振幅调制信号；
所述聚类模块，还用于根据各数据点对数据点进行高密度点去除的处理，得到候选数据点；
针对于各数据点中的每一个候选数据点，计算每一个候选数据点数据与其对应的关联数据点之间的最小距离；
所述聚类模块，具体用于在各数据点中确定出簇心点与非簇心点；
计算各非簇心点到各簇心点的距离；
将距离小于预设距离阈值的非簇心点的汇聚度进行置零处理，并对处理后的全部数据点的汇聚度进行降序排序；其中，预设距离阈值为截距距离的八分之一；
根据降序排序结果，选出预设数量的数据点作为候选数据点；
所述聚类模块，具体用于确定所述二维正交振幅调制信号的数据点之间的截断距离，并计算二维正交振幅调制信号的各数据点的汇聚度；
针对于各数据点中的每一个数据点，根据各数据点的汇聚度，确定出每一个数据点对应的关联数据点，计算每一个数据与其对应的关联数据点之间的最小距离；其中所述关联数据点是指汇聚度高于该每一个数据点的数据点；
根据各数据点的最小距离和汇聚度构建二维条形图，并根据所述二维条形图计算星座云簇的数量。
6.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-4任一项所述的二维正交振幅调制信号的格式识别方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-4任一项所述的二维正交振幅调制信号的格式识别方法。
8.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4任一项所述的二维正交振幅调制信号的格式识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110805144.4A CN113537061B (zh) | 2021-07-16 | 2021-07-16 | 二维正交振幅调制信号的格式识别方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110805144.4A CN113537061B (zh) | 2021-07-16 | 2021-07-16 | 二维正交振幅调制信号的格式识别方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113537061A CN113537061A (zh) | 2021-10-22 |
| CN113537061B true CN113537061B (zh) | 2024-03-26 |
Family
ID=78128385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110805144.4A Active CN113537061B (zh) | 2021-07-16 | 2021-07-16 | 二维正交振幅调制信号的格式识别方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113537061B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114500200B (zh) * | 2022-02-22 | 2023-01-17 | 苏州大学 | 数字信号处理方法、动态均衡方法、装置、介质以及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6021383A (en) * | 1996-10-07 | 2000-02-01 | Yeda Research & Development Co., Ltd. | Method and apparatus for clustering data |
| CN106568503A (zh) * | 2016-11-07 | 2017-04-19 | 西安交通大学 | 一种基于筒体表面多点振动信号的磨机负荷检测方法 |
| CN107682319A (zh) * | 2017-09-13 | 2018-02-09 | 桂林电子科技大学 | 一种基于增强型角度异常因子的数据流异常检测及多重验证的方法 |
| CN108919259A (zh) * | 2018-08-29 | 2018-11-30 | 电子科技大学 | 一种基于多径利用的穿墙雷达建筑墙体位置获取方法 |
| CN109309640A (zh) * | 2018-09-08 | 2019-02-05 | 苏州大学 | 基于机器学习的盲信号格式识别方法 |
| CN109492098A (zh) * | 2018-10-24 | 2019-03-19 | 北京工业大学 | 基于主动学习和语义密度的目标语料库构建方法 |
| CN110796667A (zh) * | 2019-10-22 | 2020-02-14 | 辽宁工程技术大学 | 基于改进小波聚类的彩色图像分割方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11783917B2 (en) * | 2019-03-21 | 2023-10-10 | Illumina, Inc. | Artificial intelligence-based base calling |
-
2021
- 2021-07-16 CN CN202110805144.4A patent/CN113537061B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6021383A (en) * | 1996-10-07 | 2000-02-01 | Yeda Research & Development Co., Ltd. | Method and apparatus for clustering data |
| CN106568503A (zh) * | 2016-11-07 | 2017-04-19 | 西安交通大学 | 一种基于筒体表面多点振动信号的磨机负荷检测方法 |
| CN107682319A (zh) * | 2017-09-13 | 2018-02-09 | 桂林电子科技大学 | 一种基于增强型角度异常因子的数据流异常检测及多重验证的方法 |
| CN108919259A (zh) * | 2018-08-29 | 2018-11-30 | 电子科技大学 | 一种基于多径利用的穿墙雷达建筑墙体位置获取方法 |
| CN109309640A (zh) * | 2018-09-08 | 2019-02-05 | 苏州大学 | 基于机器学习的盲信号格式识别方法 |
| CN109492098A (zh) * | 2018-10-24 | 2019-03-19 | 北京工业大学 | 基于主动学习和语义密度的目标语料库构建方法 |
| CN110796667A (zh) * | 2019-10-22 | 2020-02-14 | 辽宁工程技术大学 | 基于改进小波聚类的彩色图像分割方法 |
Non-Patent Citations (3)
| Title |
|---|
| Clustering by fast search and find of density peaks;ALEX RODRIGUEZ等;《SCIENCE》;第344卷(第6191期);1492-1496 * |
| Modulation format identification based on constellation diagrams in adaptive optical OFDM systems;Yuanyuan Ma等;《Optics Communications》;第452卷;203-210 * |
| 面向电务运维的道岔监测数据可视化研究;何卓兵;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第03期);C033-873 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113537061A (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107342962B (zh) | 基于卷积神经网络的深度学习智能星座图分析方法 | |
| CN113141325B (zh) | 光ofdm信号子载波调制格式识别模型训练方法、识别方法及装置 | |
| CN109309640B (zh) | 基于机器学习的盲信号格式识别方法 | |
| CN113435247B (zh) | 一种通信干扰智能识别方法、系统及终端 | |
| CN111832462B (zh) | 一种基于深度神经网络的跳频信号检测与参数估计方法 | |
| CN116866129A (zh) | 一种无线通信信号检测方法 | |
| CN111585662B (zh) | 一种调相信号的分类识别和参数估计方法及系统 | |
| CN113537061B (zh) | 二维正交振幅调制信号的格式识别方法、装置及存储介质 | |
| CN114553315A (zh) | 基于CNN-biRNN的光纤非线性均衡方法及系统 | |
| CN111935056A (zh) | 一种信号解调方法及相关装置 | |
| CN110601764A (zh) | 一种基于光学辅助的射频调制格式识别方法 | |
| Zhang et al. | Blind and noise-tolerant modulation format identification | |
| CN115038091A (zh) | 一种北极海上无线通信频谱感知方法及系统 | |
| CN114513394A (zh) | 一种基于注意力机制图神经网络的信号调制格式识别方法、系统、装置及存储介质 | |
| CN113869227A (zh) | 一种信号调制方式识别方法、装置、设备及可读存储介质 | |
| CN111901266B (zh) | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 | |
| CN110751201B (zh) | 基于纹理特征变换的sar装备任务失效成因推理方法 | |
| CN115913850B (zh) | 一种基于残差网络的开集调制识别方法 | |
| CN112016539B (zh) | 信号识别方法、装置、电子设备与存储介质 | |
| CN115913849A (zh) | 基于一维复值残差网络的电磁信号辨识方法 | |
| CN112528068B (zh) | 声纹特征存储方法、声纹特征匹配方法、装置及电子设备 | |
| US10812133B1 (en) | System and method for robust interference detection | |
| CN114598581A (zh) | 概率整形信号的双阶段检测模型训练方法、识别方法及装置 | |
| CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 | |
| CN114006798A (zh) | 一种信号处理方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |