机器学习 识别五官_应用于光网络中基于机器学习的两种调制格式识别算法

在当今光纤通信网络越来越灵活的当下，为了最大限度地提高频谱效率和能量效率，光网络需要能够根据不断变化的业务需求和网络状况，动态调整各种传输参数。调制格式识别(Modulation format identification ，MFI)不需要发射机设置的先验信息，就可以使接收机能够实时调整数字信号处理算法，因此MFI功能成为数字相干接收机的一个关键要求。

而机器学习在分析光信道的一些图像时(比如振幅直方图，眼图，星座图)具有极大地准确性，因此可以将机器学习应用到MFI中。

(一)对恒模算法(constant modulus algorithm，CMA)均衡后的信号幅度直方图进行识别[1]

CMA均衡的目的是补偿线性传输损伤，在CMA均衡阶段的输出处进行MFI，通过MFI获得的关于信号调制格式的信息被传递到随后的DSP模块，实现调制格式优化处理。

从Fig2中可以看出，CMA均衡后的QPSK、16-QAM，64-QAM信号的振幅直方图形状包含这些调制格式的特征，并且可以很好地彼此区分。因此可以利用