四进制自由空间激光通信信号的支持向量机检测算法 下载: 789次
1 引言
以激光为载波的空间激光通信因其高速、大容量、安全性好等优点,在卫星、航天飞机等空间移动目标以及它们和地面站之间的信息交换中具有重要地位。采用二进制开关键控(OOK)、脉冲位置调制(PPM)等信号格式,人们已经实现了星地、地月等超长距离的空间激光通信,传输速率一般为1 Mb/s[1-2]。除此之外,在地面上千米级别的远距离移动或静止目标之间人们也实现了通信数据的空间激光传输,通过波分复用等技术,速率可得到有效提升[3]。随着数据信息量的不断增大,人们对空间激光通信的容量越来越关注。尽管采用波分复用(WDM)[3]、轨道角动量(OAM)复用[4-5]等复用技术可以在很大程度上提高通信容量,但信道内的频谱利用率对提高激光通信的速率和容量同样重要。采用高频率利用率的多进制调制信号,如多进制脉冲振幅调制(PAM)、正交相移键控(QPSK)、正交振幅调制(QAM)等,可以使信道传输速率成倍地增长。目前,这些多进制调制格式正在逐步应用于空间激光通信的信息传输中[4-8]。
对于空间激光通信来说,当激光载波在大气信道中传输时,大气湍流效应对其传输信号的性能会造成严重的影响。在大气湍流的作用之下,光载波的振幅和相位都将发生畸变,从而降低接收端的信噪比(SNR),升高误码率(BER)[9]。由于大气湍流效应的影响,特别是对于高频谱利用率的多进制调制信号来说,为了达到相同的误码率,空间激光通信系统所需的信噪比更高,因而接收端对信号的补偿和修正变得至关重要。例如,采用差分相位编码可以克服空间激光通信中大气湍流效应的影响[10];在接收端通过自适应光学可以消除空间光束的相位畸变,提高耦合效率[11];采用空间分集、波长分集、偏振分集等技术可以减弱光载波在振幅和相位上畸变的影响[12]。这些方法均需要在系统接收端增加硬件,系统的复杂度变大。与之相比,光信号在大气信道中的畸变还可以通过检测算法加以补偿。针对接收孔径小于大气衰落相干长度以及观测间隔小于大气衰落相干时间的情况,最大似然序列检测算法可以缓解大气湍流导致的光强信号衰落的影响,但该方法计算复杂度高,每2
本文针对具有高速传输潜力的四进制脉冲振幅调制(PAM-4)信号,研究了基于SVM的空间激光通信检测算法。通过大气相位屏仿真模拟了接收端的光强闪烁信号,结合不同强度的大气湍流得到四分类SVM检测算法下的误码率。通过与双步盲检测法和最优边界检测法的对比,分析了SVM检测算法对空间激光通信信号的改善效果。
2 大气湍流信道中接收信号的仿真
空间激光通信的信号在大气信道中传输时会受到大气湍流的影响。激光在大气湍流信道中的传输可以通过相位屏技术进行仿真[19]。光束通过多层功率谱密度反演法构造相位屏模型的过程如
图 1. 利用相位屏仿真大气湍流信道的原理示意图
Fig. 1. Schematic of atmospheric turbulence channel simulated by phase screens
假设第
式中:F(·)表示二维傅里叶变换;
在(1)式中,相位屏引起的相位变化
式中:
式中:Δ
式中:
相对于空间激光通信的信号来说,大气折射率的起伏是个缓慢变化的随机过程。根据Taylor冰冻流假设[21],将湍流的时间特性转换为相位屏在横截面内移动的空间特性就可以得到连续时变特性的大气湍流光强闪烁信号。考虑接收机引入的散粒噪声,对于第
式中:
式中:
3 支持向量机检测算法的原理
空间激光通信的PAM-4光信号受到大气湍流信道的影响并在接收端探测时叠加高斯白噪声,对系统探测得到的电信号
如
4 支持向量机的接收性能分析
利用建立的相位屏模型,可以对激光光束在大气信道中的传输和演化进行仿真分析。假设光载波是波长为1550 nm的高斯光束,传输距离
表 1. 大气折射率结构常数和Rytov方差的对应关系
Table 1. Relationship of atmospheric refraction index structure parameter and Rytov variance
|
假设湍流内尺度
图 3. Rytov方差分别为(a) 0.1, (b) 0.3, (c) 0.5, (d) 0.7时归一化接收光强的分布图
Fig. 3. Normalized received intensity distributions when Rytov variance is (a) 0.1, (b) 0.3, (c) 0.5 and (d) 0.7, respectively
如果光载波上调制了PAM-4信号,归一化光强将呈现出4种不同的大小,经过大气湍流信道传输并考虑在接收端增加的高斯白噪声后,仿真得到的接收端PAM-4信号如
SVM判决计算以每1 s作为一个计算窗口,将每个窗口数据按照6∶2∶2随机切分为训练集、验证集和测试集进行训练学习和参数调试。因为大气湍流的变化是随机的,每个时间窗口内的数据没有关联性,所以需要对每个时间窗口内的数据进行独立建模和计算。使用高斯核技术的SVM算法可以调试出数据复杂度足够高的参数,而每个时间窗口中训练数据已经足够多,故湍流变化时不需要再增加训练集。
图 4. 当Rytov方差分别为(a) 0.1, (b) 0.3, (c) 0.5, (d) 0.7时均值归一化光强随时间的变化
Fig. 4. Mean normalized intensities change with time when Rytov variance is (a) 0.1, (b) 0.3, (c) 0.5 and (d) 0.7, respectively
图 5. Rytov方差分别为(a) 0.1,(b) 0.3,(c) 0.5,(d) 0.7时仿真得到接收端的时变信号
Fig. 5. Simulated time-varying signals at receiving end when Rytov variance is (a) 0.1, (b) 0.3, (c) 0.5 and (d) 0.7, respectively
为了分析SVM算法的检测性能,将其与最优边界检测法[17]和双步盲检测法[22]进行了比较。最优边界检测可以看作是一种理想化的检测结果,而双步盲检测法首先检测一个窗口中
图 6. 基于SVM算法的PAM-4信号的阈值及判决情况。 (a) σR2=0.1; (b) σR2=0.3; (c) σR2=0.5; (d) σR2=0.7
Fig. 6. Threshold and judgment based on SVM detection algorithm for PAM-4 signals. (a) σR2=0.1; (b) σR2=0.3; (c) σR2=0.5; (d) σR2=0.7
图 7. 当Rytov方差分别为(a) 0.1, (b) 0.3, (c) 0.5, (d) 0.7时的误码率曲线
Fig. 7. BER curves when Rytov variance is (a) 0.1, (b) 0.3, (c) 0.5 and (d) 0.7, respectively
5 结论
提出了一种基于SVM的机器学习算法,用于PAM-4空间激光通信信号的检测。通过功率谱密度反演法得到大气相位屏,结合Taylor冰冻流假设仿真了经过大气湍流信道后的激光载波光场。考虑检测过程中引入的高斯白噪声,仿真产生用于接收的空间激光通信PAM-4信号。考虑4种不同强弱的大气湍流情况,分别采用SVM算法进行多次二分类判决,得到了检测误码率随信噪比的变化关系。通过比较可以看出,SVM算法的检测性能优于双步盲检测法,在弱湍流条件下与最优理论检测法相当。SVM检测算法与信道参数(湍流类型、湍流强弱等)、传输过程无关,为信号判决和解调过程带来了极大的便利。
[4] WangJ, LiuJ, LiS, et al. Experimental demonstration of free-space optical communications using OFDM-QPSK/16QAM-carrying fractional orbital angular momentum (OAM) multiplexing[C]∥Optical Fiber Communication Conference. Washington: Optical Society of America, 2015: M2F. 5.
[5] ZhaoY, LiuJ, DuJ, et al. Experimental demonstration of 260-meter security free-space optical data transmission using 16-QAM carrying orbital angular momentum (OAM) beams multiplexing[C]∥Optical Fiber Communication Conference. Washington: Optical Society of America, 2016: Th1H. 3.
[6] Feng X L, Wu Z H, Wang T S, et al. Experimental demonstration of bidirectional up to 40 Gbit/s QPSK coherent free-space optical communication link over ~1 km[J]. Optics Communications, 2018, 410: 674-679.
[7] Li C Y, Tsai W S. A 150 m/22. 5 Gbaud PAM4-based FSO link[J]. Laser Physics Letters, 2017, 14(6): 065202.
[8] 陈丹, 柯熙政, 张拓, 等. 基于16PSK调制的副载波无线光通信实验研究[J]. 中国激光, 2015, 42(1): 0105005.
[10] 马小平, 孙建锋, 职亚楠, 等. DPSK调制/自差动零差相干探测技术克服星地激光通信中大气湍流效应的研究[J]. 光学学报, 2013, 33(7): 0706017.
[11] ZhengD, LiY, LiB, et al. Free space to few-mode fiber coupling efficiency improvement with adaptive optics under atmospheric turbulence[C]∥Optical Fiber Communication Conference. Washington: Optical Society of America, 2017: Th3C. 2.
[17] ZhengC, YuS, GuW. A SVM-based processor for free-space optical communication[C]∥2015 5th International Conference on Electronics Information and Emergency Communication (ICEIEC), May 14-16, 2015, Beijing, China. New York: IEEE, 2015: 30- 33.
[18] 吕洁, 朱文越, 青春, 等. 支持向量机估算成都近地面大气光学湍流[J]. 中国激光, 2018, 45(4): 0404001.
[20] Andrews LC, Phillips RL, Hopen CY. Laser beam scintillation with applications[M]. Washington: SPIE Press, 2001.
[21] Andrews LC, Phillips RL. Laser beam propagation through random media[M]. Bellingham, WA: SPIE Press, 2005.
[22] Riediger M LB, SchoberR, LampeL. Blind detection of on-off keying for free-space optical communications[C]∥2008 Canadian Conference on Electrical and Computer Engineering(CCECE), May 4-7, 2008, Niagara Falls, ON, Canada. New York: IEEE, 2008: 001361- 001364.
Article Outline
何宏炜, 吴志航, 于召新, 冯湘莲, 江荷馨, 高士明. 四进制自由空间激光通信信号的支持向量机检测算法[J]. 光学学报, 2018, 38(11): 1101002. Hongwei He, Zhihang Wu, Zhaoxin Yu, Xianglian Feng, Hexin Jiang, Shiming Gao. Detection Algorithm of Support Vector Machine for Four-Level Free-Space Laser Communication Signals[J]. Acta Optica Sinica, 2018, 38(11): 1101002.