CN117997428A - 一种基于贝叶斯估计的半径软判决恒模盲均衡方法 - Google Patents
一种基于贝叶斯估计的半径软判决恒模盲均衡方法 Download PDFInfo
- Publication number
- CN117997428A CN117997428A CN202410287806.7A CN202410287806A CN117997428A CN 117997428 A CN117997428 A CN 117997428A CN 202410287806 A CN202410287806 A CN 202410287806A CN 117997428 A CN117997428 A CN 117997428A
- Authority
- CN
- China
- Prior art keywords
- radius
- probability
- soft
- modulus
- blind equalization
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 23
- 238000004891 communication Methods 0.000 abstract description 17
- 239000013307 optical fiber Substances 0.000 abstract description 15
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- H04B10/25073—Arrangements specific to fibre transmission for the reduction or elimination of distortion or dispersion using spectral equalisation, e.g. spectral filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
- H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
- H04L25/03082—Theoretical aspects of adaptive time domain methods
- H04L25/03089—Theory of blind algorithms, recursive or not
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Abstract
本发明涉及光纤通信技术领域，更具体地，涉及一种基于贝叶斯估计的半径软判决恒模盲均衡方法。包括：S1.根据发送信号的调制格式的先验信息，以发送信号星座点出现的概率相同为先验条件，计算出每个半径的先验概率；S2.根据高斯概率分布模型，计算出每个符号相对于每个标准模值的似然概率；S3.根据贝叶斯原理计算出后验概率；S4.依靠后验概率，对每个半径进行加权平均，计算出一个带有软信息的半径，依照带有软信息的半径进行当前符号的盲均衡。本发明引入了贝叶斯估计，通过计算来当前符号对于每一个标准模值的后验概率，进而求得一个具有软信息的半径作为盲均衡算法的软模值，有效的提升了系统在高阶调制格式的性能和对于噪声的抵抗能力。
Description
技术领域
本发明涉及光纤通信技术领域，更具体地，涉及一种基于贝叶斯估计的半径软判决恒模盲均衡方法。
背景技术
随着云计算、5G、大型数据中心以及无人驾驶等技术的兴起，近年来全球互联网数据流量需求呈现爆炸性增长。在流量需求急剧增长的背景下，通信网络承受巨大的流量压力。目前现有的大容量、商用的光纤通信网络的链路基础基本上都是标准单模光纤，并且随着波分复用技术、偏振复用技术等的发展，单模光纤的通信容量已经接近香农非线性极限。近年来基于少模多芯光纤的空分复用光纤通信技术能够打破这一瓶颈，推动光纤通信容量的发展。由于光纤制造的不理想特性，光纤的各个模式在传输过程中正交性被破坏，导致各个模式之间产生耦合。因此，在接收端需要多入多出(MIMO)均衡器来处理模式信道之间的串扰。
目前，最常见的针对空分复用相干光光纤通信系统的盲均衡算法是恒模算法(CMA)。恒模算法利用了数字通信中正交相移键控(QPSK)调制格式具有恒定模值的特点，将信号的高阶统计值作为优化的参考目标，从而不需要使用训练序列，能够有效的提高光纤通信系统的通信容量，节约通信资源。然而，随着调制格式阶数的提高，发送信号将具有多个模值，而不再是只有固定的单个模值。比如，8QAM调制格式将使得信号具有2个不同的模值，16QAM调制格式将使得信号具有3个不同的模值。在这种情况下，恒模算法的收敛误差会变大，从而影响MIMO盲均衡解复用的效果。已有学者提出了一种半径判决导向盲均衡算法(RDA)。该算法动态的判断当前符号的半径值而不再使用单一的一个模值，从而来降低对于高阶调制格式的收敛误差。然而，这种方法在信噪比较差的情况下容易出现半径错误判决的情况，从而恶化模分复用信号解复用效果。而针对专门的8QAM调制格式，近年来有学者提出了级联多模算法(CMMA)，取得了不错的解复用效果。然而该算法局限于8QAM调制格式，不具备向更高阶调制格式拓展的能力。
如何能够在使用适应高阶调制格式信号的情况下，降低MIMO盲均衡信号均衡误差，同时提高其在低信噪比情况下的鲁棒性，显得尤为重要
发明内容
本发明为克服上述现有技术中的缺陷，提供一种基于贝叶斯估计的半径软判决恒模盲均衡方法，有效提升了均衡效果，提高输出信号信噪比。
为解决上述技术问题，本发明采用的技术方案是：
一种基于贝叶斯估计的半径软判决恒模盲均衡方法，包括以下步骤：
S1.根据发生信号的调制格式的先验信息，以发送信号星座点出现的概率相同为先验条件，计算出每个半径的先验概率；
S2.根据高斯概率分布模型，计算出每个符号相对于每个标准模值的似然概率；
S3.根据贝叶斯原理计算出后验概率；
S4.依靠后验概率，对每个半径进行加权平均，计算出一个带有软信息的半径，依照带有软信息的半径进行当前符号的盲均衡。
根据上述技术方案，本发明在空分复用光纤通信盲均衡恒模算法中结合贝叶斯估计和高斯概率模型来计算当前符号对于每一个标准模值半径的后验概率；通过所得后验概率，通过加权平均的方法，把所有的标准模值半径依据他们对应的后验概率计算出一个带有软信息的模值。
本发明提供的一种用于空分复用光纤通信系统的半径软判决的盲均衡方法，提升了空分复用光纤通信系统在传输具有非恒定模值的高阶调制格式信号情况下的系统表现。一方面，传统恒模算法在应用于非恒定模值信号是会出现均衡效果劣化、均衡误差大的现象，影响系统性能。而另一个方面，已有的半径判决导向算法在高噪声情况下，容易出现半径圆环的判决错误，从而导致均衡效果不升反降低，甚至使得均衡算法收敛失败。而本发明基于贝叶斯估计来计算计算当前符号的半径概率，再结合概率软信息来计算一个更加准确的半径，能够有效避免半径错误判决，提升算法均衡效果和鲁棒性。
具有软信息半径的概率计算：选用了贝叶斯估计，其具有严格的数学理论支持。由于信号的随机性，可以假设信号星座图上各个星座点出现的概率相等，从而根据信号的这种特性可以获得合理的先验概率。
似然概率模型的选择：系统噪声以及信道之间的串扰，会使得符号模值改变从而偏离了标准模值。符号模值在标准模值的分布可以近似为高斯分布，因此本发明选用了高斯概率模型作为似然概率模型。
半径软判决方法：本发明通过计算当前符号对于各个标准模值之间的后验概率，并且通过各个模值半径基于后验概率的加权平均计算出一个带有软信息的半径。该方法有效的降低了依据欧式距离进行硬判决容易导致的半径错误判决引起的恶化影响，能够提升判决半径的有效性和可靠性，提高算法的鲁棒性。
综上，本发明创新性地改进了空分复用相干光光纤通信系统中的恒模盲均衡算法，引入了贝叶斯估计，通过计算来当前符号对于每一个标准模值的后验概率，进而求得一个具有软信息的半径作为盲均衡算法的软模值，有效的提升了系统在高阶调制格式的性能和对于噪声的抵抗能力。
进一步地，在所述步骤S1中，先验概率的计算基于发送信号的调制格式在星座图上分布的先验信息，由于信号的随机性，假设星座图上所有星座点出现的概率都相等；每个模值半径出现的概率等于该半径包含的星座点点数在所有星座点点数中的占比。
进一步地，先验概率的计算包括：假如对于模值半径Ri，其包含的星座点数为Ni，而该调制格式的总的星座点数为Nall，则对于模值半径Ri的先验概率为：
进一步地，在述步骤S2中，似然概率的计算基于接收符号相对于各个标准模值半径的分布呈现高斯概率分布，以高斯概率模型为基础，对于接收符号yi，其相对于标准模值半径Rj的似然概率为：
式中，ρ为系统的噪声方差，根据系统实际噪声进行调节。
进一步地，在所述步骤S3中，后验概率根据贝叶斯原理，依靠先验概率和似然概率计算得到。
进一步地，对于接收符号yi，其相对于标准模值半径Rj的后验概率为：
式中，P(yi)为当前符号出现的概率。
进一步地，在步骤S3中，还需要对各个后验概率进行归一化处理，归一化方法如下：
进一步地，在所述步骤S4中，带有软信息的半径的计算基于当前符号对于各个标准模值半径的归一化后验概率进行加权平均求得，其计算方法如下：
Rsoft＝∑jRj×Pnorm(Rj|yi)。
本发明还提供一种计算机设备，包括存储器和处理器，所述的存储器存储有计算机程序，所述的处理器执行所述的计算机程序时实现以上所述方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述的计算机程序被处理器执行时实现以上所述方法的步骤。
与现有技术相比，有益效果是：
1、本发明提供的一种基于贝叶斯估计的半径软判决恒模盲均衡方法，采用了基于贝叶斯估计的半径软判决盲均衡方法，相比于传统恒模算法，能够降低其应用于高阶调制格式时存在的半径误差，提升均衡效果，提高输出信号信噪比；
2、本发明在判决半径时，通过计算当前符号对于所有标准模值的后验概率，依据后验概率对各个标准模值半径进行加权平均，从而计算出一个新的模值半径作为盲均衡算法收敛的目标。由于避免了简单的通过符号与标准模值之间的欧式距离进行硬判决，因此能够有效的提升算法对于噪声的抵抗能力，提高算法鲁棒性。
附图说明
图1是本发明方法流程示意图。
图2是实施例1中所采用的数字信号处理流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。下面结合具体实施方式对本发明作在其中一个实施例中说明。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，全文中出现的“和/或”的含义为，包括三个并列的方案，以“A和/或B”为例，包括A方案，或B方案，或A和B同时满足的方案。
实施例1：
在空分复用光纤相干光数字通信系统中，二进制信息被编码成为复数信号集{an}，其能够映射到二维的星座图上，形成正交幅度相位调制(QAM)信号。一般正交相移键控调制(QPSK)信号会具有一个恒定的模值。而随着调制格式提高，信号的模值半径不再恒定，而是会具有多个模值半径。对于模式j，在发送端的时变的发射信号可以写为：
其中g(t-nT)是发送端的成型滤波器，f0是光载波的频率。由于在光纤空分复用系统中，会发生模式信道之间的串扰，因此在接收模式i中，在时刻t-nT受影响的输出可以表示为：
其中代表卷积运算，hji为模式j到模式i的一阶冲激响应函数，Nn而是所有噪声的统称。/>是发射端和本征光的差异导致的相位影响，可以表示为/>其中Δf是频偏，ψ代表相位噪声。
由于传统恒模算法在面对高阶调制格式时，依旧是照着一个恒定模值进行收敛，因此均衡存在的信号固有模值与单一的标准模值之间存在无法消除的误差，会影响算法的均衡效果。同时，由于噪声和信道串扰的存在，信号的模值会被剧烈的改变，从而极大地影响半径硬判决的准确性。
如图2所示，为本实施例在数字信号处理上的原理图，该方案的工作流程如下：接收机接收的N路数据流经过采样示波器后转化为N路数字信号，在各自经过重采样、色度色散补偿后，进入MIMO盲均衡模块，之后各路进行频谱估计以及载波相位恢复，最后进行判决输出，计算误码率。
其中，MIMO盲均衡模块采用本发明提供的一种基于贝叶斯估计的半径软判决恒模盲均衡方法，如图1所示，包括以下步骤：
S1.根据发生信号的调制格式的先验信息，以发送信号星座点出现的概率相同为先验条件，计算出每个半径的先验概率；
S2.根据高斯概率分布模型，计算出每个符号相对于每个标准模值的似然概率；
S3.根据贝叶斯原理计算出后验概率；
S4.依靠后验概率，对每个半径进行加权平均，计算出一个带有软信息的半径，依照带有软信息的半径进行当前符号的盲均衡。
在所述步骤S1中，先验概率的计算基于发送信号的调制格式在星座图上分布的先验信息，由于信号的随机性，假设信号星座图上所有星座点出现的概率都相等；每个模值半径出现的概率等于该半径包含的星座点点数在所有星座点点数中的占比。假如对于模值半径Ri，其包含的星座点数为Ni，而该调制格式的总的星座点数为Nall，则对于模值半径Ri的先验概率为：
在述步骤S2中，似然概率的计算基于接收符号相对于各个标准模值半径的分布呈现高斯概率分布，以高斯概率模型为基础，对于接收符号yi，其相对于标准模值半径Rj的似然概率为：
式中，ρ为系统的噪声方差，根据系统实际噪声进行调节。
在所述步骤S3中，后验概率根据贝叶斯原理，依靠先验概率和似然概率计算得到。对于接收符号yi，其相对于标准模值半径Rj的后验概率为：
式中，P(yi)为当前符号出现的概率。
在步骤S3中，还需要对各个后验概率进行归一化处理，从而避免出现后续计算软半径值过大的问题，归一化方法如下：
在所述步骤S4中，带有软信息的半径的计算基于当前符号对于各个标准模值半径的归一化后验概率进行加权平均求得，其计算方法如下：
Rsoft＝∑jRj×Pnorm(Rj|yi)。
实施例2：
本实施例提供一种计算机设备，包括存储器和处理器，所述的存储器存储有计算机程序，所述的处理器执行所述的计算机程序时实现实施例1所述方法的步骤。
实施例3
本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，所述的计算机程序被处理器执行时实现实施例1所述方法的步骤。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，包括以下步骤：
S1.根据发送信号的调制格式的先验信息，以发送信号星座点出现的概率相同为先验条件，计算出每个半径的先验概率；
S2.根据高斯概率分布模型，计算出每个符号相对于每个标准模值的似然概率；
S3.根据贝叶斯原理计算出后验概率；
S4.依靠后验概率，对每个半径进行加权平均，计算出一个带有软信息的半径，依照带有软信息的半径进行当前符号的盲均衡。
2.根据权利要求1所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，在所述步骤S1中，先验概率的计算基于发送信号的调制格式在星座图上分布的先验信息，由于信号的随机性，假设信号星座图上所有星座点出现的概率都相等；每个模值半径出现的概率等于该半径包含的星座点点数在所有星座点点数中的占比。
3.根据权利要求2所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，先验概率的计算包括：假如对于模值半径Ri，其包含的星座点数为Ni，而该调制格式的总的星座点数为Nall，则对于模值半径Ri的先验概率为：
4.根据权利要求3所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，在述步骤S2中，似然概率的计算基于接收符号相对于各个标准模值半径的分布呈现高斯概率分布，以高斯概率模型为基础，对于接收符号yi，其相对于标准模值半径Rj的似然概率为：
式中，ρ为系统的噪声方差，根据系统实际噪声进行调节。
5.根据权利要求4所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，在所述步骤S3中，后验概率根据贝叶斯原理，依靠先验概率和似然概率计算得到。
6.根据权利要求4所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，对于接收符号yi，其相对于标准模值半径Rj的后验概率为：
式中，P(yi)为当前符号出现的概率。
7.根据权利要求6所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，在步骤S3中，还需要对各个后验概率进行归一化处理，归一化方法如下：
8.根据权利要求7所述的基于贝叶斯估计的半径软判决恒模盲均衡方法，其特征在于，在所述步骤S4中，带有软信息的半径的计算基于当前符号对于各个标准模值半径的归一化后验概率进行加权平均求得，其计算方法如下：
Rsoft＝∑jRj×Pnorm(Rj|yi)。
9.一种计算机设备，包括存储器和处理器，所述的存储器存储有计算机程序，其特征在于，所述的处理器执行所述的计算机程序时实现权利要求1至8任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述的计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410287806.7A CN117997428A (zh) | 2024-03-13 | 2024-03-13 | 一种基于贝叶斯估计的半径软判决恒模盲均衡方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410287806.7A CN117997428A (zh) | 2024-03-13 | 2024-03-13 | 一种基于贝叶斯估计的半径软判决恒模盲均衡方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117997428A true CN117997428A (zh) | 2024-05-07 |
Family
ID=90891483
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410287806.7A Pending CN117997428A (zh) | 2024-03-13 | 2024-03-13 | 一种基于贝叶斯估计的半径软判决恒模盲均衡方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117997428A (zh) |
-
2024
- 2024-03-13 CN CN202410287806.7A patent/CN117997428A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7418060B2 (en) | Improving hierarchical 8PSK performance | |
| US9025707B1 (en) | Dimension reduction for codebook search | |
| CN104115423A (zh) | 用于正交幅度调制系统中的盲均衡和载波相位恢复的系统和方法 | |
| US11456910B1 (en) | Carrier-phase recovery system and method | |
| US8081697B2 (en) | Detection complexity reducing apparatus and method in multiple input multiple output (MIMO) antenna system | |
| US8139677B2 (en) | Method for selecting constellation rotation angles for quasi-orthogonal space-time and space-frequency block coding | |
| CN108965178B (zh) | 基于机器学习的智能自适应均衡器及均衡解调方法 | |
| Yu et al. | A modified PSO assisted blind modulation format identification scheme for elastic optical networks | |
| KR20070034003A (ko) | 콘스텔레이션 서브셋 매핑을 통한 데이터스트림 변조 | |
| 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 | |
| US20130101009A1 (en) | Data stream processing method, device, and system | |
| CN116389207B (zh) | 一种基于信号幅度直方图的调制格式识别方法 | |
| CN117997428A (zh) | 一种基于贝叶斯估计的半径软判决恒模盲均衡方法 | |
| US9660845B2 (en) | System and method for state reduction in trellis equalizers using bounded state enumeration | |
| CN110289894B (zh) | 一种新型调制方法 | |
| CN112636792A (zh) | 一种基于空间调制的无人机中继系统的性能分析方法 | |
| US10236989B2 (en) | Data transport using pairwise optimized multi-dimensional constellation with clustering | |
| CN114531328A (zh) | 一种基于信号包络平坦度的调制格式识别方法 | |
| WO2022054231A1 (en) | Transmission/reception apparatus, transmitter, signal generation method, and signal generation program | |
| US8259833B2 (en) | Method and arrangement relating to radio signal transmissions | |
| Jovanovic et al. | Rate adaptive autoencoder-based geometric constellation shaping | |
| CN114077868B (zh) | 基于dbscan和dw-knn的信道均衡方法及系统 | |
| US10567209B1 (en) | Geometrically shaping QAM modulation | |
| CN115987747B (zh) | 一种编码映射分集的信号生成与检测方法及装置 | |
| CN118842514A (zh) | Mdm-eon系统多模式多参数联合智能监测方法及装置 |
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 |