基于FCM-KNN的相干光环形QAM系统符号判决优化

摘要

针对高阶环形正交幅度调制(QAM)的相干光通信系统,提出了一种模糊C均值算法和K最近邻算法相结合的非线性均衡算法。对接收端经相位噪声补偿后的数据,先用FCM算法有效剪裁训练数据,同时对测试数据进行分类判决,从而极大降低了后续KNN算法的计算复杂度。即首先计算训练集的初始质心和各数据点的初始隶属度,经过迭代计算收敛后,得到最终的质心和各数据点的隶属度。然后将质心隶属度大于某阈值的测试数据点作为训练数据,计算各测试数据与各训练集质心的距离对其暂时分类,接下来进行KNN算法分类。同时对测试集进行分类判决,即对距该质心距离低于阈值的测试数据根据欧式距离直接判决,大于阈值的测试数据用以上KNN方法进行判决。该算法基于112 Gbit/s单载波单偏振相干检测环形16QAM单载波系统传输距离为1040 km进行了非线性均衡效果仿真验证。仿真结果表明,本文所提出的FCM-KNN算法可取得和KNN算法几乎相同的非线性均衡效果,而其复杂度比后者可降低近20倍,对高阶QAM相干光通信系统长距离传输具有重要意义。