CN114124640A - 一种信号补偿处理方法及装置 - Google Patents
一种信号补偿处理方法及装置 Download PDFInfo
- Publication number
- CN114124640A CN114124640A CN202010899442.XA CN202010899442A CN114124640A CN 114124640 A CN114124640 A CN 114124640A CN 202010899442 A CN202010899442 A CN 202010899442A CN 114124640 A CN114124640 A CN 114124640A
- Authority
- CN
- China
- Prior art keywords
- path
- signal
- modeling
- signals
- data
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000003287 optical effect Effects 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 230000009021 linear effect Effects 0.000 claims description 162
- 238000005070 sampling Methods 0.000 claims description 123
- 238000013507 mapping Methods 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- DNTFEAHNXKUSKQ-RFZPGFLSSA-N (1r,2r)-2-aminocyclopentane-1-sulfonic acid Chemical compound N[C@@H]1CCC[C@H]1S(O)(=O)=O DNTFEAHNXKUSKQ-RFZPGFLSSA-N 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 11
- 238000012512 characterization method Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009022 nonlinear effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/38—Demodulator circuits; Receiver circuits
- H04L27/3845—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier
- H04L27/3854—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier using a non - coherent carrier, including systems with baseband correction for phase or frequency offset
- H04L27/3863—Compensation for quadrature error in the received signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/36—Modulator circuits; Transmitter circuits
- H04L27/362—Modulation using more than one carrier, e.g. with quadrature carriers, separately amplitude modulated
- H04L27/364—Arrangements for overcoming imperfections in the modulator, e.g. quadrature error or unbalanced I and Q levels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/25—Arrangements specific to fibre transmission
- H04B10/2507—Arrangements specific to fibre transmission for the reduction or elimination of distortion or dispersion
- H04B10/2543—Arrangements specific to fibre transmission for the reduction or elimination of distortion or dispersion due to fibre non-linearities, e.g. Kerr effect
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/66—Non-coherent receivers, e.g. using direct detection
- H04B10/69—Electrical arrangements in the receiver
- H04B10/697—Arrangements for reducing noise and distortion
- H04B10/6971—Arrangements for reducing noise and distortion using equalisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Nonlinear Science (AREA)
- Optical Communication System (AREA)
Abstract
本发明实施例提供了一种信号补偿处理方法及装置，其中，该方法包括：获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号，可以解决相关技术中针对光通信中IQ信号之间相互影响的误码率高的问题，基于预先确定的目标模型参数对IQ接收数据信号级联变换得到的数据特征信号进行补偿，得到IQ均衡信号，降低了IQ信号的误码率。
Description
技术领域
本发明实施例涉及通信领域，具体而言，涉及一种信号补偿处理方法及装置。
背景技术
IQ光信号是通信中一种常用的光调制手段。通过两路正交信号上变换后叠加生成，再在接收端进行对应的下变换，可以对两路信号进行分离。然而，对于接入网系统，当I路和Q路信号不同源的时候，两路信号叠加会由于功率失配，时钟同步，非线性效应等问题而极大恶化信噪比，从而降低系统的容量。
此时则需要利用光通信中常用的均衡算法，如最小均方误差(SISO-LMS)[1]，递归最小二乘等算法(RLS，Recursive,Least Square)对信号失真进行补偿。然而，即使使用了基于Volterra级数的非线性项，对于较强的非线性效应，尤其是I，Q两路互相影响的时候，LMS(Least Mean Square)和RLS的补偿作用也是相当有限的。因此，具有复杂非线性映射能力的深度神经网络(SISO-DNN)[2]就被引入到了通信系统中作为后均衡器而存在。已有研究表明，DNN(Deep Neural Network)对于信号的后均衡等应用场合均具有良好的表现。然而，当系统非线性较强的时候，使用传统深度神经网络需要大幅度提升系统的复杂度以提供更好的均衡性能。因此，这对于实时性要求极高的通信网络来说是非常不利的因素。而且，目前已发表的大多数神经网络算法均是基于单入单出(SISO，Single Input SingleOutput)系统，而针对两路信号，如IQ两路信号之间相互影响的均衡网络研究较少。因此，开发适用于光通信的IQ信号的神经网络就成为了当前一个急需解决的问题，采用传统的深度网络误码率高，且算法复杂度高。
发明内容
本发明实施例提供了一种信号补偿处理方法及装置，以至少解决相关技术中针对光通信中IQ信号之间相互影响的误码率高的问题。
根据本发明的一个实施例，提供了一种信号补偿处理方法，包括：
获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；
对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；
根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号。
在一实施例中，根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到所述IQ均衡信号包括：
根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号；
将所述I路线性数据信号与所述I路非线性数据信号之和确定为I路均衡信号，并将所述Q路线性数据信号与所述Q路非线性数据信号之和确定为Q路均衡信号，其中，所述IQ均衡信号包括所述I路均衡信号与所述Q路均衡信号。
在一实施例中，根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号包括：
根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号；
根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号；
根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号。
在一实施例中，根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号包括：
通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述I路线性数据信号：
其中，1≤t≤N，N为所述数据特征信号的长度；和/或
根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号包括：
通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述Q路线性数据信号：
和/或
根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号包括：
通过以下方式根据所述目标模型参数对所述数据特征信号进行非线性映射得到所述I路非线性数据信号和所述Q路非线性数据信号：
其中，
为所述目标模型参数，f(x)为激活函数。
在一实施例中，对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到所述数据特征信号包括：
分别对所述I路接收数据信号与所述Q路接收数据信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收数据信号与所述Q路接收数据信号的长度；
分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述数据特征信号。
在另一实施例中，在对接收IQ发射数据信号得到的IQ接收数据信号进行级联变换，得到数据特征信号之前，所述方法还包括：
获取接收I路发射建模信号得到的I路接收建模信号，以及接收Q路发射建模信号得到的Q路接收建模信号；
对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到建模特征信号；
根据所述建模特征信号对模型参数进行更新，得到所述目标模型参数。
在另一实施例中，对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到所述建模特征信号包括：
分别对所述I路接收建模信号与所述Q路接收建模信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收建模信号与所述Q路接收建模信号的长度；
分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述建模特征信号。
在另一实施例中，根据所述建模特征信号对所述模型参数进行更新，得到所述目标模型参数包括：
重复执行以下步骤，直到迭代次数t满足预设迭代条件，确定更新后的模型参数为所述目标模型参数：
当t＝0,初始化所述模型参数，根据所述模型参数对所述建模特征信号进行映射得到I路线性建模信号、Q路线性建模信号、I路非线性建模信号以及Q路非线性建模信号；
根据所述I路线性建模信号与所述I路非线性建模信号进行加和处理，得到I路建模输出信号，并根据所述Q路线性建模信号与所述Q路非线性建模信号进行加和处理，得到Q路建模输出信号；
根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到更新后的模型参数，其中，所述IQ发射建模信号包括所述I路发射建模信号与所述Q路发射建模信号；
t＝t+1。
在另一实施例中，根据所述模型参数对所述建模特征信号进行映射得到所述I路线性建模信号、所述Q路线性建模信号、所述I路非线性建模信号以及所述Q路非线性建模信号包括：
根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号；
根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号；
根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号。
在另一实施例中，根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号包括：
通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述I路线性建模信号：
其中，1≤t≤N，N为所述建模特征的长度；和/或
根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号包括：
通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述Q路线性建模信号：
和/或
根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号包括：
通过以下方式根据所述模型参数对所述建模特征信号进行非线性映射得到I路非线性建模信号和Q路非线性建模信号：
其中，
为所述模型参数，f(x)为激活函数。
在另一实施例中，根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到所述更新后的模型参数包括：
根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差；
根据所述信号输出误差对所述模型参数进行更新，得到所述更新后的模型参数。
在另一实施例中，根据所述信号输出误差对所述模型参数进行更新，得到更新后的模型参数包括：
分别确定所述信号输出误差对所述模型参数的偏导数，得到与所述模型参数维度相同的目标矩阵；
根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数。
在另一实施例中，根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数包括：
通过以下方式确定更新参数：
M(t)＝β1M(t-1)+(1-β1)G(t)，
V(t)＝β2V(t-1)+(1-β2)G2(t)，其中，H(t)为所述更新参数，M(t)为动量矩阵，V(t)为速度矩阵，G(t)为所述目标矩阵，α＝0.001，β1＝0.9，β2＝0.999，ε＝10-8，M(-1)＝0，V(-1)＝0，0≤t≤tmax，tmax为所述预设迭代次数阈值；
将所述模型参数与所述更新参数的差值确定为所述更新后的模型参数。
在另一实施例中，所述方法还包括：
通过以下方式根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差：
根据本发明的另一个实施例，还提供了一种信号补偿处理装置，包括：
第一获取模块，用于获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；
第一级联模块，用于对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；
补偿模块，用于根据预先确定的目标模型参数对所述特征信号进行补偿，得到IQ均衡信号。
在一实施例中，所述补偿模块包括：
映射子模块，用于根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号；
确定子模块，用于将所述I路线性数据信号与所述I路非线性数据信号之和确定为I路均衡信号，并将所述Q路线性数据信号与所述Q路非线性数据信号之和确定为Q路均衡信号，其中，所述IQ均衡信号包括所述I路均衡信号与所述Q路均衡信号。
在一实施例中，所述映射子模块包括：
第一处理单元，用于根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号；
第二处理单元，用于根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号；
第三处理单元，用于根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号。
在一实施例中，所述第一处理单元，还用于通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述I路线性数据信号：
其中，1≤t≤N，N为所述数据特征信号的长度；和/或
所述第二处理单元，还用于通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述Q路线性数据信号：
和/或
所述第三处理单元，还用于通过以下方式根据所述目标模型参数对所述数据特征信号进行非线性映射得到所述I路非线性数据信号和所述Q路非线性数据信号：
其中，
为所述目标模型参数，f(x)为激活函数。
在一实施例中，所述第一级联模块包括：
第一采样子模块，用于分别对所述I路接收数据信号与所述Q路接收数据信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收数据信号与所述Q路接收数据信号的长度；
第一级联子模块，用于分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述数据特征信号。
在另一实施例中，所述装置还包括：
第二获取模块，用于获取接收I路发射建模信号得到的I路接收建模信号，以及接收Q路发射建模信号得到的Q路接收建模信号；
第二级联模块，用于对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到建模特征信号；
更新模块，用于根据所述建模特征信号对模型参数进行更新，得到所述目标模型参数。
在另一实施例中，所述第二级联模块包括：
第二采样子模块，用于分别对所述I路接收建模信号与所述Q路接收建模信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收建模信号与所述Q路接收建模信号的长度；
第二级联子模块，用于分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述建模特征信号。
在另一实施例中，所述更新模块包括：
执行子模块，用于重复执行以下步骤，直到迭代次数t满足预设迭代条件，确定更新后的模型参数为所述目标模型参数：
映射单元，用于当t＝0,初始化所述模型参数，根据所述模型参数对所述建模特征信号进行映射得到I路线性建模信号、Q路线性建模信号、I路非线性建模信号以及Q路非线性建模信号；
加和单元，用于根据所述I路线性建模信号与所述I路非线性建模信号进行加和处理，得到I路建模输出信号，并根据所述Q路线性建模信号与所述Q路非线性建模信号进行加和处理，得到Q路建模输出信号；
更新单元，用于根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到更新后的模型参数，其中，所述IQ发射建模信号包括所述I路发射建模信号与所述Q路发射建模信号；t＝t+1。
在另一实施例中，所述映射单元包括：
第一处理子单元，用于根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号；
第二处理子单元，用于根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号；
第三处理子单元，用于根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号。
在另一实施例中，所述第一处理子单元，还用于通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述I路线性建模信号：
其中，1≤t≤N，N为所述建模特征的长度；和/或
所述第二处理子单元，还用于通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述Q路线性建模信号：
和/或
所述第三处理子单元，还用于通过以下方式根据所述模型参数对所述建模特征信号进行非线性映射得到I路非线性建模信号和Q路非线性建模信号：
其中，
为所述模型参数，f(x)为激活函数。
在另一实施例中，所述更新单元包括：
确定子单元，用于根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差；
更新子单元，用于根据所述信号输出误差对所述模型参数进行更新，得到所述更新后的模型参数。
在另一实施例中，所述更新子单元，还用于
分别确定所述信号输出误差对所述模型参数的偏导数，得到与所述模型参数维度相同的目标矩阵；
根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数。
在另一实施例中，所述更新子单元，还用于
通过以下方式确定更新参数：
M(t)＝β1M(t-1)+(1-β1)G(t)，
V(t)＝β2V(t-1)+(1-β2)G2(t)，其中，H(t)为所述更新参数，M(t)为动量矩阵，V(t)为速度矩阵，G(t)为所述目标矩阵，α＝0.001，β1＝0.9，β2＝0.999，ε＝10-8，M(-1)＝0，V(-1)＝0，0≤t≤tmax，tmax为所述预设迭代次数阈值；
将所述模型参数与所述更新参数的差值确定为所述更新后的模型参数。
在另一实施例中，所述确定子单元，还用于通过以下方式根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差：
根据本发明的又一个实施例，还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程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到特征信号；根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号，可以解决相关技术中针对光通信中IQ信号之间相互影响的误码率高的问题，基于预先确定的目标模型参数对IQ接收数据信号级联变换得到的数据特征信号进行补偿，得到IQ均衡信号，降低了IQ信号的误码率。
附图说明
图1是本发明实施例的信号补偿处理方法的移动终端的硬件结构框图；
图2是根据本发明实施例的信号补偿处理方法的流程图；
图3是根据本发明实施例的信号补偿处理方法的流程图；
图4为本发明实施例的IQ信号的接收补偿方法的流程图；
图5是根据本发明实施例的异构深度神经网络的多入多出多分支神经网络均衡器的示意图；
图6是根据本发明实施例的验证性实验平台的示意图；
图7是根据本发明实施例的信号补偿处理装置的结构框图；
图8是根据本发明优选实施例的信号补偿处理装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的信号补偿处理方法的移动终端的硬件结构框图，如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的数据处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端或网络架构的信号补偿处理方法，图2是根据本发明实施例的信号补偿处理方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；
步骤S204，对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；
在一实施例中，对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到所述数据特征信号包括：
本实施例中，上述步骤S204具体可以包括：分别对所述I路接收数据信号与所述Q路接收数据信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收数据信号与所述Q路接收数据信号的长度；分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述数据特征信号。
步骤S206，根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号。
通过上述步骤S202至S206，获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到特征信号；根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号，可以解决相关技术中针对光通信中IQ信号之间相互影响的误码率高的问题，基于预先确定的目标模型参数对IQ接收数据信号级联变换得到的数据特征信号进行补偿，得到IQ均衡信号，降低了IQ信号的误码率。
在一实施例中，上述步骤S206具体可以包括：
S2061，根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号；
在一实施例中，上述步骤S2061具体可以包括：
根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号，具体通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述I路线性数据信号：
其中，1≤t≤N，N为所述数据特征信号的长度；
根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号，具体通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述Q路线性数据信号：
根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号，具体通过以下方式根据所述目标模型参数对所述数据特征信号进行非线性映射得到所述I路非线性数据信号和所述Q路非线性数据信号：
其中，
为所述目标模型参数，f(x)为激活函数；
S2062，将所述I路线性数据信号与所述I路非线性数据信号之和确定为I路均衡信号，并将所述Q路线性数据信号与所述Q路非线性数据信号之和确定为Q路均衡信号，其中，所述IQ均衡信号包括所述I路均衡信号与所述Q路均衡信号。
图3是根据本优选实施例的信号补偿处理方法的流程图，如图3所示，在对接收IQ发射数据信号得到的IQ接收数据信号进行级联变换，得到数据特征信号之前，所述方法还包括：
步骤S302，获取接收I路发射建模信号得到的I路接收建模信号，以及接收Q路发射建模信号得到的Q路接收建模信号；
步骤S304，对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到建模特征信号；
上述步骤S304具体可以包括：分别对所述I路接收建模信号与所述Q路接收建模信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收建模信号与所述Q路接收建模信号的长度；分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述建模特征信号。
步骤S306，根据所述建模特征信号对模型参数进行更新，得到所述目标模型参数。
本实施例中，上述步骤S306具体可以包括：
重复执行以下步骤，直到迭代次数t满足预设迭代条件，确定更新后的模型参数为所述目标模型参数：
当t＝0,初始化所述模型参数，根据所述模型参数对所述建模特征信号进行映射得到I路线性建模信号、Q路线性建模信号、I路非线性建模信号以及Q路非线性建模信号；进一步的，根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号，具体的，可以通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述I路线性建模信号：
其中，1≤t≤N，N为所述建模特征的长度；根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号，具体地，可以通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述Q路线性建模信号：
根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号，具体的，可以通过以下方式根据所述模型参数对所述建模特征信号进行非线性映射得到I路非线性建模信号和Q路非线性建模信号：
其中，
为所述模型参数，f(x)为激活函数；
根据所述I路线性建模信号与所述I路非线性建模信号进行加和处理，得到I路建模输出信号，并根据所述Q路线性建模信号与所述Q路非线性建模信号进行加和处理，得到Q路建模输出信号；
根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到更新后的模型参数，其中，所述IQ发射建模信号包括所述I路发射建模信号与所述Q路发射建模信号；
t＝t+1。
本实施例中处理过程分成模型建立或训练和信号接收补偿两个阶段，两个阶段的切换，可以通过标志位指示，例如标志位为0或false，执行模型建立或训练，标志位为1或true，执行信号接收补偿，上述预设迭代条件可以通过标志位实现，也可以通过其他方式，例如固定长度训练序列，参数收敛到一定误差内等等。
在一实施例中，上述对所述模型参数进行更新，得到所述更新后的模型参数具体可以包括：
根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差，具体可以通过以下方式根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差：
其中，r(t)为所述信号输出误差，pI(a)为I路建模输出信号，pQ(a)为Q路建模输出信号，sI(a)为I路发射建模信号，sQ(a)为Q路发射建模信号，N为所述建模特征信号的长度；
根据所述信号输出误差对所述模型参数进行更新，得到所述更新后的模型参数，进一步的，分别确定所述信号输出误差对所述模型参数的偏导数，得到与所述模型参数维度相同的目标矩阵，根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数，具体通过以下方式确定更新参数：
M(t)＝β1M(t-1)+(1-β1)G(t)，
V(t)＝β2V(t-1)+(1-β2)G2(t)，其中，H(t)为所述更新参数，M(t)为动量矩阵，V(t)为速度矩阵，G(t)为所述目标矩阵，α＝0.001，β1＝0.9，β2＝0.999，ε＝10-8，M(-1)＝0，V(-1)＝0，0≤t≤tmax，tmax为所述预设迭代次数阈值，将所述模型参数与所述更新参数的差值确定为所述更新后的模型参数。
本实施例的输入信号带有记忆性，通过记录前后的几个符号进行联合的补偿和估计，采用3分支，一个分支处理I路光信号的线性串扰，一个分支处理Q路光信号的线性串扰，两个线性分支可以是MLP的线性加权网络；还有一个分支处理IQ两路光信号之间的串扰。由于IQ光信号相互串扰并不是很复杂，可以采用两层隐藏层网络来训练非线性，极大的降低了系统的复杂度。在输出端分别将I路线性输出和非线性输出，Q路线性输出和非线性输出加和，得到的补偿信号既均衡了线性失真，又均衡了非线性失真，达到了很好的效果。对同样或类似架构的IQ两路存在串扰的无线信号，此方法同样适用，在此不再赘述。采用本实施例，可以有效提升系统的性能。本实施例提出的均衡方法在两个发射端功率的情况下，可以将工作区间提升2.33倍-8倍以上。同时，可以实现最多3.63dB Q值的提升。
下面以标志位的方式指示从模型建立与信号补偿进行切换为例，对本实施例进行详细说明。
图4为本发明实施例的IQ信号的接收补偿方法的流程图，如图4所示，可以包括以下步骤：
步骤401，初始化模型参数，并初始化标志位为flag＝False，具体为：
设置模型隐藏层的层数为2，第一隐藏层节点数为H1,第二隐藏层节点数为H2，激活函数f(x)，输入层I，Q路信号窗口分别为taps，隐藏层每层节点数，权重矩阵
和偏置向量
的初始值为符合0均值高斯分布的随机矩阵或向量，并初始化迭代次数epoch＝0及迭代终止值epoch_max，标志位flag＝False。其中，权重矩阵和偏置向量的维度如表1所示。
表1
步骤402，判断是否flag＝true，如果flag＝False,转到步骤403；如果flag＝True,转到步骤414。
步骤403，接收并记录I路接收建模信号，其中，发射端加载原始发射建模信号s(t)，具体通过发射建模信号加载装置加载原始发射建模信号s(t)。调制原始发射建模信号并记录为I路发射建模信号，具体通过I路建模信号发射装置对s(t)进行调制并记录I路发射建模信号xI(t)。调制原始发射建模信号并记录为Q路发射建模信号，具体通过Q路建模信号发射装置对s(t)进行调制并记录Q路发射建模信号xQ(t)。
具体地，通过I路建模信号接收装置接收并记录xI(t)，得到I路接收建模信号yI(t)。
步骤404，接收并记录Q路接收建模信号。具体地：
通过Q路建模信号接收装置接收并记录xI(t)，得到Q路接收建模信号yI(t)。
步骤405，根据记录的I路接收建模信号，Q路接收建模信号，级联变换并记录为建模特征信号。
具体地，通过建模级联变换装置将yI(t)，yI(t)级联变换为建模特征信号k(t)。分别对所述I路接收数据信号与所述Q路接收数据信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收数据信号与所述Q路接收数据信号的长度，分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述数据特征信号，具体变换方式为：
其中，每个k(t)都是一个列向量，其长度为2*taps。经过这一步的变换，此时的信号已经具有记忆性，即输入到下一级的每路信号都包括前后各taps/2-1个信号。采用该信号作为输出的模块都带有记忆性。
步骤406，对建模特征信号进行线性映射得到I路线性建模信号。具体地：
通过I路线性映射模块和k(t)得到的I路线性建模信号：
步骤407，对建模特征信号进行线性映射得到Q路线性建模信号。具体地：
通过Q路线性映射模块和k(t)得到的Q路线性建模信号：
步骤408，对建模特征信号进行非线性映射得到I路非线性建模信号和Q路非线性建模信号。具体地：
通过非线性映射模块和k(t)得到I路非线性建模信号和Q路非线性建模信号：
其中，f(a)为激活函数，其表达式可以为
这里x可以为标量，向量，矩阵，且f(x)的维度与x相同。当x为矩阵或者向量时，f(x)表示对矩阵或向量中的每个元素使用上式。
步骤409，根据记录的I路线性建模信号和I路非线性建模信号，加和并记录I路建模输出信号。
具体地，通过I路加和模块对I路线性建模信号和I路非线性建模信号进行加和，得到I路建模输出信号pI(t)＝lI(t)+nI(t),1≤t≤N。
步骤410，根据记录的Q路线性建模信号和Q路非线性建模信号，加和并记录Q路建模输出信号。
具体地，通过Q路加和模块对Q路线性建模信号和Q路非线性建模信号进行加和，得到Q路建模输出信号pQ(t)＝lQ(t)+nQ(t),1≤t≤N。
步骤411，根据记录的I路建模输出信号，Q路建模输出信号，I路发射建模信号，Q路发射建模信号，计算输出的误差并对模型参数
进行更新。
具体地，通过误差计算及模型参数更新模块对模型参数进行更新，具体步骤为：
(1)初始化参数α＝0.001，β1＝0.9，β2＝0.999，ε＝10-8，动量矩阵M(-1)＝0，速度矩阵V(-1)＝0，t＝0，设置最大迭代次数为tmax。
(2)对步骤(1)中所有模型参数进行如下更新，下面以
为例进行说明。
令
计算r(t)对
的偏导数，得到与
维度相同的矩阵G(t)；
M(t)＝β1M(t-1)+(1-β1)G(t)；
V(t)＝β2V(t-1)+(1-β2)G2(t),其中G2(t)代表矩阵G(t)元素的点积；
更新
如果t＝tmax,则转到步骤411(3),否则t＝t+1重复上述步骤。
(3)如果已更新完所有的模型参数，则转到步骤412，否则转到步骤411中的步骤(1)。
步骤412，判断迭代条件是否终止，在判断结果为是的情况下，执行步骤413，否则迭代次数加1，返回步骤406、407、408。
步骤413，设置标志位flag＝True，记录模型参数，并转到步骤402。
如果迭代次数达到最大迭代次数epoch_max，则通过均衡装置记录模型参数
分别为
步骤414，接收并记录I路接收数据信号。其中，发射端加载原始发射数据信号s'(t)，具体通过发射数据信号加载装置加载原始发射数据信号s'(t)。调制原始发射数据信号并记录为I路发射数据信号，具体通过I路数据信号发射装置对s'(t)进行调制并记录I路发射建模信号xI'(t)。调制原始发射数据信号并记录为Q路发射数据信号，具体通过Q路数据信号发射装置对s'(t)进行调制并记录I路发射建模信号xQ'(t)。
具体地，通过I路数据信号接收装置接收并记录xI'(t)，得到I路接收建模信号yI'(t)。
步骤415，接收并记录Q路接收数据信号。具体地：
通过Q路数据信号接收装置接收并记录xQ'(t)，得到I路接收建模信号yQ'(t)。
步骤416，根据记录的I路接收数据信号，Q路接收数据信号，级联变换并记录为数据特征信号。具体地，通过数据级联变换装置将yI'(t)，yQ'(t)级联变换为数据特征信号k'(t)。具体变换方式与步骤405类似，在此不再赘述。
步骤417，根据记录的模型参数和数据特征信号，均衡并记录得到I路均衡数据信号和Q路均衡数据信号qI'(t)和qQ'(t)。具体地，通过均衡装置对数据特征信号进行均衡，得到I路均衡数据信号和Q路均衡数据信号qI'(t)和qQ'(t)，具体方式为：
基于本实施例提供的均衡方法和异构深度神经网络的多入多出多分支神经网络均衡器，图5是根据本发明实施例的异构深度神经网络的多入多出多分支神经网络均衡器的示意图，如图5所示，输出端通过两个加和模块(I路加和模块211、Q路加和模块212)分别将I路的线性和非线性输出以及Q路的线性核非线性输出加和后输出。当建模过程完成后，存储参数并不再更新。此时多入多出多分支神经网络变换为均衡装置(220)，用以对步骤417中的特征信号进行均衡得到I路和Q路均衡信号。针对传统的后均衡器最小均方误差均衡器(SISO-LMS)，深度神经网络(SISO-DNN)均衡器以及本实施例提出的异构深度神经网络均衡器，在单接收机IQ光通信系统中进行了验证性实验。图6是根据本发明实施例的验证性实验平台的示意图，如图6所示，首先，发射建模信号加载装置(202)加载原始发射建模信号，并通过I路和Q路建模信号发射装置(203,204)生成I路和Q路发射建模信号，I路和Q路信号在接收端叠加后，通过I路和Q路建模信号接收装置(205,206)接收，得到I路和Q路接收建模信号。随后，多入多出多分支神经网络中的建模级联变换装置(207)对I路和Q路接收建模信号进行步骤402的建模级联变换，得到建模特征信号。然后建模特征信号经过I路和Q路的线性映射模块(208,209)和非线性映射模块(210)的变换得到I路和Q路线性建模信号和非线性建模信号，再经过I路和Q路加和模块得到I路建模输出信号和Q路建模输出信号。随后，通过I路和Q路发射建模信号以及I路和Q路建模输出信号，通过步骤412中的算法对模型中的参数进行更新，直到达到最大迭代次数。随后固定模型参数并由均衡装置(220)加载当前模型参数。随后，从图6中的发射数据信号加载装置(214)开始。重复上述流程直到通过I路和Q路数据信号装置(217，218)接收并记录I路和Q路数据信号后，通过数据级联变换装置(219)和均衡装置(220)对信号进行级联变换和均衡，最后得到I路和Q路均衡数据信号。
上述均衡器的初始化参数如表2所示。
表2
表中’--’表示无法实现或未采用该结构。可以看出相比于传统的SISO-DNN均衡方法，本实施例提出的均衡方法参数更少，因此训练所需的时间和空间就更小。虽然SISO-LMS的参数是三个中最少的，但是其性能是最差的。
根据表2中的参数设置的均衡器，在单接收机IQ光通信平台上进行了实验。在I路信号峰峰值为350mV时，改变Q路信号峰峰值所测得的三种均衡方法的Q_Factor结果图。Q_Factor值越大，系统性能越好。实验结果表明，在Q路信号峰峰值为700mV时，基于本发明所提出均衡方法实现的MIMO-MBNN的工作范围510mV大幅度优于采用传统均衡算法SISO-LMS和SISO-DNN的系统工作范围170mV。同时，本实施例提出的接收均衡方法相比于传统的SISO-LMS和SISO-DNN可为系统带来最多3.63dB的Q_Factor值性能增益。本发明实施例中，当模型训练好后，只需将变换后的接收信号输入到均衡装置中，即可得到均衡后的信号，无需其它额外的操作。
通过本实施例，有效解决了IQ光通信系统中现有均衡方式性能较差，且抗功率失配能力弱的问题。相比于传统的均衡方法，有效提升了通信系统容量和系统性能。本实施例实现也相对容易，一旦模型训练好，只要不改变信号的强度和系统状态，即可使用均衡装置对接收信号进行均衡，无需额外的操作，当建模完成后，只要将I路接收数据和Q路接收数据经过级联变换后带入均衡装置即可得到均衡后的信号，并利用均衡后的信号进行解调，提升系统的性能。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种信号补偿处理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据本发明实施例的信号补偿处理装置的结构框图，如图7所示，包括：
第一获取模块72，用于获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；
第一级联模块74，用于对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；
补偿模块76，用于根据预先确定的目标模型参数对所述特征信号进行补偿，得到IQ均衡信号。
在一实施例中，所述补偿模块76包括：
映射子模块，用于根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号；
确定子模块，用于将所述I路线性数据信号与所述I路非线性数据信号之和确定为I路均衡信号，并将所述Q路线性数据信号与所述Q路非线性数据信号之和确定为Q路均衡信号，其中，所述IQ均衡信号包括所述I路均衡信号与所述Q路均衡信号。
在一实施例中，所述映射子模块包括：
第一处理单元，用于根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号；
第二处理单元，用于根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号；
第三处理单元，用于根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号。
在一实施例中，所述第一处理单元，还用于通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述I路线性数据信号：
其中，1≤t≤N，N为所述数据特征信号的长度；和/或
所述第二处理单元，还用于通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述Q路线性数据信号：
和/或
所述第三处理单元，还用于通过以下方式根据所述目标模型参数对所述数据特征信号进行非线性映射得到所述I路非线性数据信号和所述Q路非线性数据信号：
其中，
为所述目标模型参数，f(x)为激活函数。
在一实施例中，所述第一级联模块包括：
第一采样子模块，用于分别对所述I路接收数据信号与所述Q路接收数据信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收数据信号与所述Q路接收数据信号的长度；
第一级联子模块，用于分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述数据特征信号。
图8是根据本发明优选实施例的信号补偿处理装置的结构框图，如图8所示，所述装置还包括：
第二获取模块82，用于获取接收I路发射建模信号得到的I路接收建模信号，以及接收Q路发射建模信号得到的Q路接收建模信号；
第二级联模块84，用于对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到建模特征信号；
更新模块86，用于根据所述建模特征信号对模型参数进行更新，得到所述目标模型参数。
在另一实施例中，所述第二级联模块84包括：
第二采样子模块，用于分别对所述I路接收建模信号与所述Q路接收建模信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收建模信号与所述Q路接收建模信号的长度；
第二级联子模块，用于分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述建模特征信号。
在另一实施例中，所述更新模块86包括：
执行子模块，用于重复执行以下步骤，直到迭代次数t满足预设迭代条件，确定更新后的模型参数为所述目标模型参数：
映射单元，用于当t＝0,初始化所述模型参数，根据所述模型参数对所述建模特征信号进行映射得到I路线性建模信号、Q路线性建模信号、I路非线性建模信号以及Q路非线性建模信号；
加和单元，用于根据所述I路线性建模信号与所述I路非线性建模信号进行加和处理，得到I路建模输出信号，并根据所述Q路线性建模信号与所述Q路非线性建模信号进行加和处理，得到Q路建模输出信号；
更新单元，用于根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到更新后的模型参数，其中，所述IQ发射建模信号包括所述I路发射建模信号与所述Q路发射建模信号；t＝t+1。
在另一实施例中，所述映射单元包括：
第一处理子单元，用于根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号；
第二处理子单元，用于根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号；
第三处理子单元，用于根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号。
在另一实施例中，所述第一处理子单元，还用于通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述I路线性建模信号：
其中，1≤t≤N，N为所述建模特征的长度；和/或
所述第二处理子单元，还用于通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述Q路线性建模信号：
和/或
所述第三处理子单元，还用于通过以下方式根据所述模型参数对所述建模特征信号进行非线性映射得到I路非线性建模信号和Q路非线性建模信号：
其中，
为所述模型参数，f(x)为激活函数。
在另一实施例中，所述更新单元包括：
确定子单元，用于根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差；
更新子单元，用于根据所述信号输出误差对所述模型参数进行更新，得到所述更新后的模型参数。
在另一实施例中，所述更新子单元，还用于
分别确定所述信号输出误差对所述模型参数的偏导数，得到与所述模型参数维度相同的目标矩阵；
根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数。
在另一实施例中，所述更新子单元，还用于
通过以下方式确定更新参数：
M(t)＝β1M(t-1)+(1-β1)G(t)，
V(t)＝β2V(t-1)+(1-β2)G2(t)，其中，H(t)为所述更新参数，M(t)为动量矩阵，V(t)为速度矩阵，G(t)为所述目标矩阵，α＝0.001，β1＝0.9，β2＝0.999，ε＝10-8，M(-1)＝0，V(-1)＝0，0≤t≤tmax，tmax为所述预设迭代次数阈值；
将所述模型参数与所述更新参数的差值确定为所述更新后的模型参数。
在另一实施例中，所述确定子单元，还用于通过以下方式根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差：
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (17)
1.一种信号补偿处理方法，其特征在于，包括：
获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；
对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；
根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到IQ均衡信号。
2.根据权利要求1所述的方法，其特征在于，根据预先确定的目标模型参数对所述数据特征信号进行补偿，得到所述IQ均衡信号包括：
根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号；
将所述I路线性数据信号与所述I路非线性数据信号之和确定为I路均衡信号，并将所述Q路线性数据信号与所述Q路非线性数据信号之和确定为Q路均衡信号，其中，所述IQ均衡信号包括所述I路均衡信号与所述Q路均衡信号。
3.根据权利要求2所述的方法，其特征在于，根据所述目标模型参数对所述数据特征信号进行映射得到I路线性数据信号、Q路线性数据信号、I路非线性数据信号以及Q路非线性数据信号包括：
根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号；
根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号；
根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号。
4.根据权利要求3所述的方法，其特征在于，
根据所述目标模型参数处理所述数据特征信号的I路光信号的线性串扰，得到所述I路线性数据信号包括：
通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述I路线性数据信号：
其中，1≤t≤N，N为所述数据特征信号的长度；和/或
根据所述目标模型参数处理所述数据特征信号的Q路光信号的线性串扰，得到所述Q路线性数据信号包括：
通过以下方式根据所述目标模型参数对所述数据特征信号进行线性映射得到所述Q路线性数据信号：
和/或
根据所述目标模型参数处理所述数据特征信号的IQ两路光信号之间的串扰，得到所述I路非线性数据信号和所述Q路非线性数据信号包括：
通过以下方式根据所述目标模型参数对所述数据特征信号进行非线性映射得到所述I路非线性数据信号和所述Q路非线性数据信号：
其中，
为所述目标模型参数，f(x)为激活函数。
5.根据权利要求1所述的方法，其特征在于，对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到所述数据特征信号包括：
分别对所述I路接收数据信号与所述Q路接收数据信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收数据信号与所述Q路接收数据信号的长度；
分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述数据特征信号。
6.根据权利要求1至5中任一项所述的方法，其特征在于，在对接收IQ发射数据信号得到的IQ接收数据信号进行级联变换，得到数据特征信号之前，所述方法还包括：
获取接收I路发射建模信号得到的I路接收建模信号，以及接收Q路发射建模信号得到的Q路接收建模信号；
对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到建模特征信号；
根据所述建模特征信号对模型参数进行更新，得到所述目标模型参数。
7.根据权利要求6所述的方法，其特征在于，对所述I路接收建模信号与所述Q路接收建模信号进行级联变换，得到所述建模特征信号包括：
分别对所述I路接收建模信号与所述Q路接收建模信号按照窗口长度taps进行采样，得到N组I路采样信号与N组Q路采样信号，其中，对于所述N组I路采样信号与所述N组Q路采样信号中每组采样信号的中心信号为当前的采样点，所述中心信号的左侧的(taps-1)/2个点为所述当前采样点向前截取(taps-1)/2个采样点，所述中心信号的右侧的(taps-1)/2个点为所述当前采样点向后截取(taps-1)/2个采样点，若向前或向后的采样点不足(taps-1)/2，补0，所述taps为奇数，所述N为所述I路接收建模信号与所述Q路接收建模信号的长度；
分别将长度为所述taps的所述N组I路采样信号与所述N组Q路采样信号进行级联，得到包括长度为2taps的N个信号的所述建模特征信号。
8.根据权利要求6所述的方法，其特征在于，根据所述建模特征信号对所述模型参数进行更新，得到所述目标模型参数包括：
重复执行以下步骤，直到迭代次数t满足预设迭代条件，确定更新后的模型参数为所述目标模型参数：
当t＝0,初始化所述模型参数，根据所述模型参数对所述建模特征信号进行映射得到I路线性建模信号、Q路线性建模信号、I路非线性建模信号以及Q路非线性建模信号；
根据所述I路线性建模信号与所述I路非线性建模信号进行加和处理，得到I路建模输出信号，并根据所述Q路线性建模信号与所述Q路非线性建模信号进行加和处理，得到Q路建模输出信号；
根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到更新后的模型参数，其中，所述IQ发射建模信号包括所述I路发射建模信号与所述Q路发射建模信号；
t＝t+1。
9.根据权利要求8所述的方法，其特征在于，根据所述模型参数对所述建模特征信号进行映射得到所述I路线性建模信号、所述Q路线性建模信号、所述I路非线性建模信号以及所述Q路非线性建模信号包括：
根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号；
根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号；
根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号。
10.根据权利要求9所述的方法，其特征在于，
根据所述模型参数处理所述建模特征信号的I路光信号的线性串扰，得到所述I路线性建模信号包括：
通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述I路线性建模信号：
其中，1≤t≤N，N为所述建模特征的长度；和/或
根据所述模型参数处理所述建模特征信号的Q路光信号的线性串扰，得到所述Q路线性建模信号包括：
通过以下方式根据所述模型参数对所述建模特征信号进行线性映射得到所述Q路线性建模信号：
和/或
根据所述模型参数处理所述建模特征信号的IQ两路光信号之间的串扰，得到所述I路非线性建模信号和所述Q路非线性建模信号包括：
通过以下方式根据所述模型参数对所述建模特征信号进行非线性映射得到I路非线性建模信号和Q路非线性建模信号：
其中，W1 T,
为所述模型参数，f(x)为激活函数。
11.根据权利要求8所述的方法，其特征在于，根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号对所述模型参数进行更新，得到所述更新后的模型参数包括：
根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差；
根据所述信号输出误差对所述模型参数进行更新，得到所述更新后的模型参数。
12.根据权利要求11所述的方法，其特征在于，根据所述信号输出误差对所述模型参数进行更新，得到更新后的模型参数包括：
分别确定所述信号输出误差对所述模型参数的偏导数，得到与所述模型参数维度相同的目标矩阵；
根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数。
13.根据权利要求12所述的方法，其特征在于，根据所述目标矩阵对所述模型参数进行更新，得到所述更新后的模型参数包括：
通过以下方式确定更新参数：
M(t)＝β1M(t-1)+(1-β1)G(t)，
V(t)＝β2V(t-1)+(1-β2)G2(t)，其中，H(t)为所述更新参数，M(t)为动量矩阵，V(t)为速度矩阵，G(t)为所述目标矩阵，α＝0.001，β1＝0.9，β2＝0.999，ε＝10-8，M(-1)＝0，V(-1)＝0，0≤t≤tmax，tmax为所述预设迭代次数阈值；
将所述模型参数与所述更新参数的差值确定为所述更新后的模型参数。
14.根据权利要求11所述的方法，其特征在于，所述方法还包括：
通过以下方式根据所述I路发射建模信号、所述Q路发射建模信号、所述I路建模输出信号以及所述Q路建模输出信号确定信号输出误差：
15.一种信号补偿处理装置，其特征在于，包括：
第一获取模块，用于获取接收I路发射数据信号得到的I路接收数据信号，以及接收Q路发射数据信号得到的Q路接收数据信号；
第一级联模块，用于对所述I路接收数据信号与所述Q路接收数据信号进行级联变换，得到数据特征信号；
补偿模块，用于根据预先确定的目标模型参数对所述特征信号进行补偿，得到IQ均衡信号。
16.一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程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至14任一项中所述的方法。
17.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至14任一项中所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010899442.XA CN114124640A (zh) | 2020-08-31 | 2020-08-31 | 一种信号补偿处理方法及装置 |
| PCT/CN2021/115480 WO2022042736A1 (zh) | 2020-08-31 | 2021-08-30 | 一种信号补偿处理方法及装置 |
| EP21860568.1A EP4207697A4 (en) | 2020-08-31 | 2021-08-30 | SIGNAL COMPENSATION PROCESSING METHOD AND APPARATUS |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010899442.XA CN114124640A (zh) | 2020-08-31 | 2020-08-31 | 一种信号补偿处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114124640A true CN114124640A (zh) | 2022-03-01 |
Family
ID=80354701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010899442.XA Pending CN114124640A (zh) | 2020-08-31 | 2020-08-31 | 一种信号补偿处理方法及装置 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP4207697A4 (zh) |
| CN (1) | CN114124640A (zh) |
| WO (1) | WO2022042736A1 (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011106826A2 (en) * | 2010-03-05 | 2011-09-09 | Ofidium Pty Ltd | Method and system for non-linearity compensation in optical transmission systems |
| EP2651087A1 (en) * | 2012-04-10 | 2013-10-16 | ST-Ericsson SA | IQ mismatch compensation |
| CN106850497A (zh) * | 2017-01-16 | 2017-06-13 | 中国科学技术大学 | 一种相干光ofdm通信系统中级联补偿的方法 |
| CN109905170A (zh) * | 2019-01-17 | 2019-06-18 | 复旦大学 | 一种基于k-dnn的非线性失真补偿算法及可见光通信装置 |
| CN110505020A (zh) * | 2019-07-15 | 2019-11-26 | 电子科技大学 | 基于迁移学习的光非线性均衡方法 |
| CN110830112A (zh) * | 2019-10-16 | 2020-02-21 | 青岛海信电器股份有限公司 | 一种可见光通信的方法及设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101272373B (zh) * | 2008-05-07 | 2010-09-08 | 北京北方烽火科技有限公司 | 一种自适应模拟正交调制失衡补偿方法和装置 |
| CN105471784A (zh) * | 2016-01-13 | 2016-04-06 | 中国人民解放军国防科学技术大学 | 一种联合补偿iq不平衡和pa非线性的数字预失真方法 |
| CN110380789B (zh) * | 2018-04-12 | 2022-03-11 | 中兴通讯股份有限公司 | 一种信号处理方法和装置 |
| CN110460402B (zh) * | 2019-07-15 | 2021-12-07 | 哈尔滨工程大学 | 一种基于深度学习的端到端通信系统建立方法 |
| CN110598859B (zh) * | 2019-08-01 | 2022-12-13 | 北京光锁科技有限公司 | 基于门控循环神经网络的非线性均衡方法 |
-
2020
- 2020-08-31 CN CN202010899442.XA patent/CN114124640A/zh active Pending
-
2021
- 2021-08-30 EP EP21860568.1A patent/EP4207697A4/en active Pending
- 2021-08-30 WO PCT/CN2021/115480 patent/WO2022042736A1/zh unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011106826A2 (en) * | 2010-03-05 | 2011-09-09 | Ofidium Pty Ltd | Method and system for non-linearity compensation in optical transmission systems |
| EP2651087A1 (en) * | 2012-04-10 | 2013-10-16 | ST-Ericsson SA | IQ mismatch compensation |
| CN106850497A (zh) * | 2017-01-16 | 2017-06-13 | 中国科学技术大学 | 一种相干光ofdm通信系统中级联补偿的方法 |
| CN109905170A (zh) * | 2019-01-17 | 2019-06-18 | 复旦大学 | 一种基于k-dnn的非线性失真补偿算法及可见光通信装置 |
| CN110505020A (zh) * | 2019-07-15 | 2019-11-26 | 电子科技大学 | 基于迁移学习的光非线性均衡方法 |
| CN110830112A (zh) * | 2019-10-16 | 2020-02-21 | 青岛海信电器股份有限公司 | 一种可见光通信的方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022042736A1 (zh) | 2022-03-03 |
| EP4207697A1 (en) | 2023-07-05 |
| EP4207697A4 (en) | 2024-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Massive MIMO 1-bit DAC transmission: A low-complexity symbol scaling approach | |
| CN109951214B (zh) | 一种适用于大规模mimo系统的信号检测方法 | |
| CN107005504A (zh) | 用于通过降低复杂度的树搜索检测无线通信网络中的数据的方法及装置 | |
| Mirfarshbafan et al. | Algorithm and VLSI design for 1-bit data detection in massive MIMO-OFDM | |
| Ivanov et al. | Smart sorting in massive MIMO detection | |
| KR20170114961A (ko) | 순차적 스피어 디코딩을 위한 방법 및 장치 | |
| Weon et al. | Learning-aided deep path prediction for sphere decoding in large MIMO systems | |
| Azari et al. | Automated deep learning-based wide-band receiver | |
| Omidi et al. | Parallel structures for joint channel estimation and data detection over fading channels | |
| EP3251312B1 (en) | Method for decoding block of data received over communication channel and receiver | |
| Jang et al. | Combined deep learning and SOR detection technique for high reliability in massive MIMO systems | |
| CN109818891B (zh) | 一种格基约减辅助的低复杂度贪心球形译码检测方法 | |
| KR100932260B1 (ko) | 다중입력 다중출력 시스템을 위한 복호화 장치 및 그 방법 | |
| CN113630160B (zh) | 一种大规模mimo检测方法、装置、设备和存储介质 | |
| CN114124640A (zh) | 一种信号补偿处理方法及装置 | |
| WO2023237182A1 (en) | Radio receiver with multi-stage equalization | |
| Zhang et al. | Adaptive damped Jacobi detector and architecture for massive MIMO uplink | |
| CN111800356B (zh) | 并行变步长cma均衡算法、装置、电子设备及存储介质 | |
| CN117060952A (zh) | 多输入多输出系统中的信号检测方法及装置 | |
| CN105553899A (zh) | 基于线性方程组求近似解的信号检测方法及装置 | |
| Seidel et al. | A novel approach for combining local estimates for fully decentralized feedforward massive MIMO equalization: The multistep fusion | |
| CN111555785A (zh) | 一种信号预编码方法、装置及电子设备 | |
| CN112511204B (zh) | 一种基于信道相关消除的混合预编码算法 | |
| CN115395991B (zh) | 一种非线性多输入多输出信道估计方法和估计系统 | |
| CN114528925B (zh) | 一种基于深层分类网络的时变信道ofdm信号均衡方法 |
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 |