Page 29 - 网络电信2022年9/10月刊

1. 光通信信号预处理 (6)
为提升光通信分类的处理速度，对采集到的光通信信号展
开预处理。根据信号的波形特征，使用小波变换技术 ［7］ 伸缩平 (7)
移采集到的信号，细化信号波动细节。设定傅里叶变换 ［8］ 为
2
|∂(α)|，∂(α) ∈A (t)，|∂(α)|应满足下述要求: 式中，k(n)与j(n) 分别表示不同类型滤波器的冲击响应。
此函数可通过尺度函数 ［13］ 推导获得。根据上述公式，可得到
(1) 信号重构计算公式:

其中，∂(α)为信号处理过程中的小波变换母函数。
根据此公式则有:

(2) 使用上述公式，完成原始信号的小波变换过程，得到可为
后续分析提供基础的信号。
其中，∂ i (t)表示由小波基础取值∂(t)生成的连续小波，b 2. 光信号频谱分析
表示小波处理过程中的尺度因子，d表示处理过程中的信号平移 对处理后的信号光学频谱展开分析，为光通信信号的分
2
因子 ［9－10］ 。则对于任意f(t)=A (Ｒ)中信号的小波变换可表示 类提供帮助。将深度学习算法引入到光学频谱的分析中，将预
为: 处理后的频谱整合为二维图像的形式，利用卷积神经网络 ［14－
15］
，分辨不同信号频谱的局部特征。根据信号图像调整结果，
(3) 将频谱卷积处理公式设定如下:

根据此公式，可得到相应的反变换公式: （9）

(4) 其中，x表示卷积计算中的迭代处理次数; e表示卷积网络
层数。
设定含有噪声的光通信信号为: 对此公式进行处理后，可得到对应的离散处理形式:
(5)
其中，x(n)为正常信号;β(n)为噪声信号。将滤波器设定
为低通滤波器与高通滤波器 ［11－12］ 两类，对信号y(n)进行多尺 （10）
度分解。将信号分解为两种不同频段，分解原理如下所示:

图2 信号分解过程
式中，* 表示数据处理结果。
当频谱分析过程中存在两个变量时，二维卷积计算过程可
表示为:

（11）

将上述公式改写为 CNN形式 ［16－17］ ，则有:

（12）
将原始频谱图像输入到上述公式中，避免数据重建过程，
完成特征提取过程。通过频谱分析可以看出，部分信号存在跳
变问题，为避免此情况对信号分类造成影响，对存在跳变的信
号展开补偿。跳变补偿过程如下:
图2中，Q 0 表示原始信号向量; Q i 表示分解后近似信号; e i
表示分解后的信号细节，则信号小波分解的表达式可表示为: （13）

网络电信 二零二二年九，十月 49