Page 28 - 网络电信2022年9/10月刊

光 通 信

人工智能技术的复杂光通信信号分类研究

刘 伟 刘志芳

摘 要: 针对常规复杂光通信信号分析能力差、划分精度差的问题，设计基于人工智能技术的复杂光通信
号分类方法。使用小波变换技术伸缩平移采集到的信号，细化信号波动细节。利用卷积神经网络，分辨不同
信号频谱的局部特征。利用先验函数提取光通信信号的特征参数，构建信号分类模型。至此，基于人工智能
技术的复杂光通信信号分类方法设计完成。构建仿真实验环节，验证方法使用效果。实验结果表明，人工智
能方法信号分析精度最高可达 86%、信号的划分精度保持在 88%、信号细化程度更是达到了 95%，证明了人
工智能方法的分类结果更加精确，且分类细化能力得到提升。

关键词: 人工智能技术; 光通信; 信号分类; 小波变换

一．引言 二．人工智能技术的复杂光通信信号分类方法
现代化生产技术催生了很多结构复杂的生产设备，其与 在对人工智能技术展开全面分析后，选择深度学习算法以
原有生产设备相比，功能更加完善，信息化程度更高。但是由 及神经网络算法作为核心技术，完成光通信信号分类过程。为
于各方面原因，设备会出现功能性故障，降低了预设的设备 保证通信信号分类过程具有有序性与可行性，将信号分类过程
功能，导致生产事故频发。为了更好地控制生产设备的使用效 设定如下: 从信号处理、信号分类、信号分析等角度对信号分
果，目前多通过分析设备光通信信号，实现设备的管控过程 ［1－ 类过程进行设计与优化，力求在常规分类方法的基础上，得到
3］
光通信信号中含有大量的设备信息，可以通过分析信号类别 分类精度更高、应用范围更广的信号分类结果。
确定设备的运行状态，及时发现设备问题，避免故障的产生。
图1 复杂光通信信号分类过程
因此，光通信信号分类处理对于设备检测具有举足轻重的作
用。
在过往的研究中，设计了大量的光通信信号分类方法，但
使用效果差强人意。例如在文献［4］中，提出了一种利用迭代
算法校正信号子空间，并在将此空间中完成信号分类的方法，
此方法有效降低了信号采集数量，提升了分类速度，但分类结
果细化能力较差。在文献［5］中，提出了一种基于频谱态势的
通信信号整编方法，通过对海量信号进行分类整理，现对信号
类型和参数的整编，此方法可有效解决信号数量大的问题，但
在信号细化方面水平较低。文献［6］中，提出了一种基于神经
网络的信号分类方法，通过特征提取的神经网络算法，对信号
进行检测和调制识别，此方法可有效对信号进行检测和分类，
但是存在信号划分精度不高的问题。针对此问题，使用人工智
能技术对常规方法展开优化，设计基于人工智能技术的复杂光
通信信号分类方法。运用深度学习算法和神经网络算法，对信
号的处理、分类以及分析方面进行优化，可有效提升分类方法
的分类细化能力，保证信号分类结果精度。

48 网络电信 二零二二年九，十月