针对现有光通信系统中调制格式识别的准确率问题,提出一种结合网格密度峰值聚类(Grid-Based Density Peaks Clustering Algorithm,GDPC)与点阵拟合模板匹配的识别方法。该方法充分考虑了多进制正交振幅调制(Multiple Quadrature Amplitu...针对现有光通信系统中调制格式识别的准确率问题,提出一种结合网格密度峰值聚类(Grid-Based Density Peaks Clustering Algorithm,GDPC)与点阵拟合模板匹配的识别方法。该方法充分考虑了多进制正交振幅调制(Multiple Quadrature Amplitude Modulation,MQAM)与多进制数字相位调制(Multiple Phase Shift Keying,MPSK)星座图的空间分布特征,并通过改进的聚类与匹配策略提升识别性能。相较于传统密度峰值聚类(Density Peaks Clustering Algorithm,DPC),GDPC采用网格划分策略对数据空间进行离散化,从而优化密度估计过程,提高聚类中心的提取精度。此外,引入最小二乘法进行点阵拟合,通过最小残差准则实现星座图模式的精准匹配,进一步增强识别的鲁棒性。仿真结果表明,该方法能够有效提取MQAM和MPSK信号的特征,并在各调制格式的最佳信噪比范围内实现93%以上的识别准确率,成功区分8PSK、16PSK、16QAM、32QAM、64QAM、128QAM和256QAM等7种调制格式。展开更多
文摘针对现有光通信系统中调制格式识别的准确率问题,提出一种结合网格密度峰值聚类(Grid-Based Density Peaks Clustering Algorithm,GDPC)与点阵拟合模板匹配的识别方法。该方法充分考虑了多进制正交振幅调制(Multiple Quadrature Amplitude Modulation,MQAM)与多进制数字相位调制(Multiple Phase Shift Keying,MPSK)星座图的空间分布特征,并通过改进的聚类与匹配策略提升识别性能。相较于传统密度峰值聚类(Density Peaks Clustering Algorithm,DPC),GDPC采用网格划分策略对数据空间进行离散化,从而优化密度估计过程,提高聚类中心的提取精度。此外,引入最小二乘法进行点阵拟合,通过最小残差准则实现星座图模式的精准匹配,进一步增强识别的鲁棒性。仿真结果表明,该方法能够有效提取MQAM和MPSK信号的特征,并在各调制格式的最佳信噪比范围内实现93%以上的识别准确率,成功区分8PSK、16PSK、16QAM、32QAM、64QAM、128QAM和256QAM等7种调制格式。
