基于复数神经网络的ACGAN信号调制格式识别方法及系统与流程

本发明属于但不限于光纤通信，尤其涉及一种基于复数神经网络的acgan信号调制格式识别方法及系统。

背景技术：

1、大容量、低时延、高可靠性的通信技术是当前发展的重要方向。为应对日益增长的容量和带宽需求，光纤通信将在未来发挥更加重要的作用。信号调制格式识别是光纤通信系统离线dsp模块中的必然要求。人工智能机器学习以其独特的优势，相较于传统信号处理方式，能够更为精准、快速地处理并识别多种调制信号。但是当前光纤通信系统中信号调制格式识别技术，仅限于实数域部分，即：仅使用i路或q路信号，提高了信号处理的复杂度。开发一种面向相干光通信系统的信号调制格式识别新方法及系统，对于未来动态网络环境和复杂信道条件下的调制格式识别至关重要，为光通信技术的持续发展注入新的活力。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于复数神经网络的acgan信号调制格式识别方法。

2、本发明是这样实现的，一种基于复数神经网络的acgan信号调制格式识别方法，该方法包括：

3、s1：相干光接收端输出的原始调制信号通过dsp离线处理进行判决输出，经过iq正交、色散补偿、时钟恢复、偏振解复用和频偏估计；

4、s2：对频偏估计之后的数据进行信号预处理；然后80％的数据作为训练集，20％的数据用于测试集并分别标识每组数据来源于哪种调制格式数据(label)；

5、s3：基于复数神经网络的acgan调制格式识别；

6、s4：输出调制格式；

7、s5：载波相位恢复，判决输出。

8、进一步，所述iq正交采用gram-schmidt正交归一(gsop)算法；所述色散补偿利用电域补偿，采用fir型滤波器进行补偿；所述时钟恢复采用数字平方滤波时钟恢复算法；所述偏振解复用采用恒模算法，补偿偏振模色散并且用于解偏振复用；所述频偏估计采用基于v-v(viterbi-viterbi)算法。

9、进一步，所述s2中对频偏估计之后的数据进行信号预处理，具体包括：不同调制格式的信号做归一化处理，数据重新排列并打上标签。

10、进一步，所述s3具体包括：

11、将acgan框架中的全连接神经网络替换成复数神经网络，框架中分为两个网络，生成网络和识别网络；

12、acgan架构训练的流程为：将训练集数据(label)和噪声(z)输入到生成网络(net_g)中，并生成的假数据(即：受到噪声影响的数据)，然后将训练集数据(label)与假数据同时输入到识别网络中(net_d)，识别网络最终输出信号格式识别结果，(c1,c2..cn代表不同的信号调试格式类型，正确识别为real＝1,错误识别为fake＝0)；核心思想为生成网络产生的假数据与正确数据在识别网络中不断对比训练，达到正确识别，真正用于识别的部分为识别网络。评判标准为识别网络的loss函数：

13、loss_d＝e1[logpdreal(x)]+e2[logpdfake(x)]+e3[logpdreal(c,x)]+e4[logpdfake(c,x)]

14、如果loss不收敛，则反馈给生成网络继续训练，如果loss收敛，则网络可用，通过测试集数据进行检测，识别网络是否输出正确的识别格式。

15、本发明另一目的在于提供一种基于所述基于复数神经网络的acgan信号调制格式识别方法的基于复数神经网络的acgan信号调制格式识别系统，其特征在于，该系统具体包括：

16、离线处理模块，相干光接收端输出的原始调制信号通过dsp离线处理进行判决输出，经过iq正交、色散补偿、时钟恢复、偏振解复用和频偏估计；

17、预处理模块，与离线处理模块连接，对频偏估计之后的数据进行信号预处理；然后80％的数据作为训练集，20％的数据用于测试集并分别标识每组数据来源于哪种调制格式数据(label)；

18、调制格式识别模块，与预处理模块连接，基于复数神经网络的acgan调制格式识别；

19、输出模块，与调制格式识别模块连接，输出调制格式；

20、恢复模块，与输出模块连接，载波相位恢复，判决输出。

21、本发明另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于复数神经网络的acgan信号调制格式识别方法的步骤。

22、本发明另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于复数神经网络的acgan信号调制格式识别方法的步骤。

23、本发明另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述基于复数神经网络的acgan信号调制格式识别系统。

24、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

25、第一、当前信号调制格式识别方法为实数域工作，即：单独提取信号i路或者q路数据进行分析运算，提高了信号处理复杂度。而复数神经网络的输入数据具有实数域和复数域两个维度，因此不需要提取信号i路或者q路数据，直接将信号作为输入端，完成基于复数神经网络的acgan训练及识别，同时网络可以提取到相位特征，特征提取更丰富，识别能力得到有效提升。本发明的核心思想是，通过利用频偏估计之后的数据，尽保留原有数据特征，利用基于复数神经网络的acgan框架对信号数据直接进行训练提取多维特征，从而达到能够精确识别调制格式实现最佳相位补偿还原信号的目的。

26、第二，本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题：

27、a.相位信息的保留

28、复数神经网络的acgan可以自然地保留和处理信号的相位信息，这对于调制格式识别至关重要。相位信息的丢失会严重影响识别的准确性，而复数神经网络通过其架构自然地处理这一信息。

29、b.复杂的信号处理

30、复数信号通常包含更多的信息，这些信息在传统的实数神经网络中难以有效提取和利用。复数神经网络的acgan通过其复杂的权重和激活函数，直接在复数域进行操作和学习，使得网络能够更自然和有效地学习处理复数信号的内在规律，能够更好地捕捉和处理这些信息，从而提高调制格式识别的准确性。

31、c.更准确的识别能力和更好的学习能力

32、复数神经网络的acgan其生成器可以创建额外的训练数据，帮助网络更好地理解各种调制类型，尤其在样本数量有限时极其有用。判别器学习区分真实和生成的信号，这一过程可以增强网络对复杂信号模式的识别能力。而辅助训练的加入，能够推动训练的完成，避免gan难以收敛陷入局部最优的劣势。随着训练的进行，生成器和判别器不断优化，生成的信号质量不断提升，从而提高整体的识别准确性。

33、(4)本发明的技术方案克服了技术偏见：。

34、传统的神经网络通常只能处理实数信号，这会导致对复数信号的处理不够自然和高效，需要降信号从复数域转化到实数域，者不可避免的会增加信号处理的复杂度，并在处理时忽略信号的相位信息。复数神经网络能够直接处理复数信号，从而避免了将复数信号转换为实数信号所带来的信息损失和额外的计算复杂度，在保留传统神经网络的对信号处理的优势同时，增加了相位特征的提取和处理。而基于复数神经网络的acgan，不仅继承了复数神经网络的处理优势，并且充分发挥了gan对数据学习和特征增强的能力，能够进一步提升识别精度，同时通过辅助条件训练，避免了gan难以收敛容易陷入局部最优陷进的劣势。这种方法克服了技术上的偏见，使得处理更加高效和合理。

35、第三，本发明的技术方案解决了现有技术中的多个关键问题，并带来了显著的技术进步。以下是对这些技术问题和技术进步的详细阐述：

36、###解决的技术问题：

37、1)信号失真与色散问题：在信号传输过程中，由于各种物理效应(如色散、偏振模色散等)，信号会发生失真。本发明通过采用色散补偿和偏振解复用技术，有效地减少了这些失真，提高了信号质量。

38、2)时钟同步问题：在通信系统中，时钟同步是至关重要的。如果接收端的时钟与发送端不同步，会导致解码错误。本发明通过采用数字平方滤波时钟恢复算法，实现了精确的时钟同步。

39、3)频率偏移问题：由于设备的不稳定性或环境因素，信号在传输过程中会发生频率偏移。本发明利用v-v算法进行频偏估计，有效地纠正了这种偏移。

40、4)信号识别准确性问题：在复杂的通信环境中，准确识别不同调制格式的信号是一个挑战。传统的信号识别方法无法应对多种调制格式和噪声干扰。

41、###显著的技术进步：

42、1)提高信号质量：通过采用先进的信号处理技术(如gsop算法、色散补偿、偏振解复用等)，本发明显著提高了接收信号的质量，为后续的信号识别和解码奠定了坚实基础。

43、2)增强系统稳健性：时钟恢复和频偏估计技术的应用使得通信系统更加稳健，能够在各种环境条件下保持高性能。

44、3)深度学习模型的引入：本发明创新地将深度学习模型(特别是acgan架构)应用于信号识别，这不仅提高了识别的准确性，还增强了系统对未知或复杂调制格式的适应能力。

45、4)复数神经网络的应用：传统的深度学习模型在处理复数信号时受到限制。本发明通过引入复数神经网络，更有效地处理了复数信号，进一步提升了信号识别的准确性。

46、5)自适应学习能力：通过深度学习模型的训练和优化，本发明的技术方案具备了自适应学习能力。这意味着系统可以根据实际通信环境的变化自动调整其参数和策略，以保持最佳性能。

47、综上所述，本发明的技术方案不仅解决了现有技术中的多个关键问题，还通过引入先进的信号处理和深度学习技术，实现了显著的技术进步，为通信系统的高效、准确和稳健运行提供了有力支持。