傳統(tǒng)的正交頻分復(fù)用技術(shù)對(duì)正交性要求高且存在頻譜資源的浪費(fèi),不適合大規(guī)模物聯(lián)網(wǎng)接入5G網(wǎng)的應(yīng)用場(chǎng)景,偏移正交幅度調(diào)制濾波器組多載波技術(shù)是該應(yīng)用場(chǎng)景的一個(gè)解決方案,但該技術(shù)應(yīng)用于40～100Gbps光纖主干網(wǎng)時(shí)存在固有干擾和光信道噪聲的問(wèn)題,為此提出了基于小波神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)主干光信道估計(jì)方法。通過(guò)最小二乘法對(duì)光信道進(jìn)行初步估計(jì),基于估計(jì)的結(jié)果和布谷鳥(niǎo)搜索算法初始化小波神經(jīng)網(wǎng)絡(luò)的參數(shù);通過(guò)偽逆運(yùn)算動(dòng)態(tài)更新網(wǎng)絡(luò)的權(quán)重參數(shù),從而對(duì)信道狀態(tài)進(jìn)行實(shí)時(shí)跟蹤,保持較高的估計(jì)準(zhǔn)確性。實(shí)驗(yàn)結(jié)果顯示,估計(jì)方法的效果好于傳統(tǒng)的最小二乘估計(jì)和最小均方誤差估計(jì)。 

【文章來(lái)源】：光學(xué)技術(shù). 2020,46(03)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

濾波器組多載波系統(tǒng)的結(jié)構(gòu)圖

通常和位置(m, n)距離越遠(yuǎn)的光信號(hào)對(duì)(m, n)信號(hào)的干擾越小。為了觀察相鄰信號(hào)對(duì)目標(biāo)信號(hào)所產(chǎn)生干擾的差異,考慮從1到6的鄰居符號(hào)子集Ω′i,其中i=1～6。Ω′1為3×3方陣,Ω′2為5×5方陣,以此類推。圖2所示是固有干擾和i的關(guān)系曲線,圖中顯示在i=1～3的過(guò)程中,干擾的強(qiáng)度明顯提高,之后干擾強(qiáng)度幾乎不變,所以主要考慮7×7的方形區(qū)域?qū)ξ恢?m, n)的固有干擾。觀察式(4)可發(fā)現(xiàn)除了固有干擾,光信道也會(huì)引起信號(hào)的失真。為了還原OQAM符號(hào)的實(shí)數(shù)域,必須考慮固有失真和信道衰減、色散等因素。假設(shè)發(fā)端的前導(dǎo)碼為d(mp,np),收端的前導(dǎo)碼為y(mp,np),那么最小二乘對(duì)信道頻率響應(yīng)的估計(jì)為

小波神經(jīng)網(wǎng)絡(luò)(Wavelet Neural Networks, WNN)結(jié)合了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和小波的局部化特性。WNN分為三層,分別為:輸入層、隱藏層和輸出層,如圖3所示。圖3中x=[x1, x2, …,xn]為前一時(shí)刻從光信道接收的光信號(hào),輸入層的節(jié)點(diǎn)數(shù)量n等于光信道分析光纖模塊(Analysis Fiber Bank, AFB)的輸出數(shù)量。隱藏層的節(jié)點(diǎn)中嵌入小波函數(shù)作為隱藏層的非線性轉(zhuǎn)移函數(shù),根據(jù)許多研究人員的結(jié)論,Mexican Hat小波母函數(shù)適用于光學(xué)通信系統(tǒng)的小波濾波器[16],因此本文采用的小波函數(shù)為Mexican Hat(mexh)小波。每個(gè)隱藏層節(jié)點(diǎn)通過(guò)小波函數(shù)建立從輸入數(shù)據(jù)到輸出數(shù)據(jù)的非線性映射關(guān)系,每個(gè)隱藏層節(jié)點(diǎn)的連接表示為

【參考文獻(xiàn)】：
期刊論文
[1]高速移動(dòng)環(huán)境下基于深度學(xué)習(xí)的信道估計(jì)方法[J]. 廖勇,花遠(yuǎn)肖,姚海梅,楊馨怡.  電子學(xué)報(bào). 2019(08)
[2]大數(shù)據(jù)分析技術(shù)在網(wǎng)絡(luò)領(lǐng)域中的研究綜述[J]. 馮貴蘭,李正楠,周文剛.  計(jì)算機(jī)科學(xué). 2019(06)
[3]相干光OFDM系統(tǒng)中相位噪聲補(bǔ)償算法的研究進(jìn)展[J]. 袁建國(guó),南蜀崇,辛雪琪.  激光雜志. 2018(10)
[4]Short Term Wind Speed Prediction Using Multiple Kernel Pseudo Inverse Neural Network[J]. S.P.Mishra,P.K.Dash.  International Journal of Automation and Computing. 2018(01)
[5]基于異構(gòu)導(dǎo)頻60GHz系統(tǒng)的壓縮感知信道估計(jì)[J]. 陳坤,趙迎新,吳虹,王曉敏,劉勇,王琦琦,唐然,慈騁.  計(jì)算機(jī)工程. 2016(04)
[6]高精度自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)人工智能方法探索[J]. 劉經(jīng)緯,趙輝,周瑞,王普.  計(jì)算機(jī)科學(xué)與探索. 2016(08)
[7]循環(huán)前綴長(zhǎng)度對(duì)OFDM系統(tǒng)性能的影響[J]. 張曉光,王艷芬.  實(shí)驗(yàn)室研究與探索. 2015(07)
[8]布谷鳥(niǎo)搜索算法研究綜述[J]. 蘭少峰,劉升.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(04)
[9]基于MMSE信道估計(jì)的VRVP-MQAM方法性能研究[J]. 郭淑霞,張寧,袁春娟.  紅外與激光工程. 2015(02)
[10]OFDM系統(tǒng)中基于功率延時(shí)譜的信道估計(jì)算法[J]. 王鋼,劉曉明,于迎新.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(02)



本文編號(hào)：3328069