针对光信噪比(OSNR)估计复杂度高、计算量大的问题,提出了一种基于轻量化随机森林(RF)算法的高阶正交幅度调制(QAM)信号OSNR估计方法。该方法通过将不同OSNR的高阶QAM信号映射为不同的星座图数据集,并利用这些数据集来训练RF模型,从而实...针对光信噪比(OSNR)估计复杂度高、计算量大的问题,提出了一种基于轻量化随机森林(RF)算法的高阶正交幅度调制(QAM)信号OSNR估计方法。该方法通过将不同OSNR的高阶QAM信号映射为不同的星座图数据集,并利用这些数据集来训练RF模型,从而实现OSNR的快速估计。仿真结果表明:采用基于轻量化RF算法估计64QAM和128QAM信号的OSNR,在系统OSNR真实值为5~30 d B时,2种调制格式的OSNR估计准确率均接近100%;64QAM信号OSNR估计值的平均绝对误差(MAE)为0.08 d B,128QAM的MAE为0.12 d B,比基于长短期记忆(LSTM)算法的信号OSNR估计结果更准确。展开更多
文摘针对光信噪比(OSNR)估计复杂度高、计算量大的问题,提出了一种基于轻量化随机森林(RF)算法的高阶正交幅度调制(QAM)信号OSNR估计方法。该方法通过将不同OSNR的高阶QAM信号映射为不同的星座图数据集,并利用这些数据集来训练RF模型,从而实现OSNR的快速估计。仿真结果表明:采用基于轻量化RF算法估计64QAM和128QAM信号的OSNR,在系统OSNR真实值为5~30 d B时,2种调制格式的OSNR估计准确率均接近100%;64QAM信号OSNR估计值的平均绝对误差(MAE)为0.08 d B,128QAM的MAE为0.12 d B,比基于长短期记忆(LSTM)算法的信号OSNR估计结果更准确。
