本发明提供了一种基于信号幅度直方图的调制格式识别方法，属于通信技术领域，该方法包括：获取信号幅度直方图信息；对QPSK、8QAM、16QAM、32QAM和64QAM信号的信号幅度直方图执行第一次分区操作；对QPSK、16QAM、32QAM和64QAM信号的信号幅度直方图执行第二次分区操作；定义第三分区比值；对16QAM、32QAM和64QAM信号的信号幅度直方图执行第三次分区操作；改变信号的光信噪比，并进行阈值选择；基于阈值选择结果，对调制格式进行识别。本发明能够在免训练和任何先验信息下，以较低的运算量在较大的光信噪比范围内实现调制格式的准确识别。
📄 2023103839991
📂 H04L27_00
👤 四川轻化工大学
📅 2023-04-11
本发明提供了一种基于多维幅度分布特征的调制格式识别方法，属于通信技术领域，该方法包括：获取信号幅度直方图信息；根据不同调制格式的多维幅度分布特征，对QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号的幅度直方图执行六次分区操作；提取直方图各个分区中的符号数量构建数据集，将数据集输入KNN（K近邻）模型中对调制格式进行识别。本发明能够在无光信噪比（OSNR）先验信息以及较低复杂度的情况下，在较大的OSNR范围内实现6种调制格式（尤其是高阶调制格式）的准确识别。
📄 202311407224X
📂 H04L27_00
👤 四川轻化工大学
📅 2023-10-27
本发明公开了一种基于卷积神经网络的调制格式识别方法及系统，涉及认知光网络技术领域，包括以下步骤：获取待传输数据，将待传输数据输入至预先构建的IQ调制器内，将复合光耦合进待传输数据，得到耦合数据，将耦合数据输入至预先构建的相干接收机解调，并通过模数转换得到光信号；对光信号进行预处理，得到处理后的光信号，将处理后的光信号进行归一化，将归一化后的光信号输入至预先建立的基于元学习辅助的轻量化卷积神经网络模型内，输出得到调制格式识别结果。
📄 2024116284825
📂 H04L27_00
👤 南京信息工程大学
📅 2024-11-14
本发明公开了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，属于通信技术领域，所述方法包括：获取接收信号并对其进行预处理；将预处理后的接收信号输入预训练好的注意力机制图神经网络，输出带有识别标签的接收信号，所述注意力机制图神经网络是根据发送信号星座成形后的信号数据完成训练的；降低信道对信号的干扰，在提高信道容量的同时增加了数据调制方法的多样性，实现对星座成形后接收信号调制格式的高精度识别。
📄 202210036660X
📂 H04L27_00
👤 南京信息工程大学
📅 2022-01-13
本公开属于光纤通信领域，公开一种多芯光纤信道调制格式识别方法及其装置，本公开采用斯托克斯空间映射提取信号的分类特征，对偏振混合、载波频偏和相位偏移等损耗不敏感，相对于传统的琼斯矩阵有着更好的特征表示能力，为后面作为识别器的深度神经网络准确地给出信号调制格式的识别结果提供支持；另外采用迁移学习解决了多芯光纤传输系统接收端的数据集训练深度神经网络但难获取有标记数据这一关键问题，加速了训练收敛，相较于传统的调制格式识别方法，此方法的分类效果好、精度高、处理速度快、复杂度低。
📄 2021112949474
📂 H04L27_00
👤 南京信息工程大学
📅 2021-11-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台