为应对概率整形场景下载波相位恢复的问题,提出了一种基于统计分析的自适应算法。利用核密度估计进行概率整形信号的参数估计,从而估计得到信息熵,以辅助后续的基于半径定向的4次方频偏估计算法。运用估计出的概率整形参量进行信号的针对性归一化,用于后续基于盲相位搜索的载波相位噪声恢复。对该算法的频偏估计范围、信噪比及激光线宽容忍度进行了仿真分析。结果表明,所提方案能够应对不同的概率整形强度,在较大的信噪比范围内均能实现良好的载波相位恢复。此外,相对于用于标准信号的载波相位恢复算法,该方案达到最优性能时所需的滑动窗口长度更短并且拥有更高的估计精度。

核密度非参数估计的matlab代码Non_Parametric_Kernel_Density_Estimation 我们建议使用基于核密度估计 (KDE) 的方法进行分类。 这种非参数方法本质上以一种有原则的方式为每个类提供了成员资格的可能性。 该实现用于： [1] MU Ghani、F. Mesadi、SD Kanik、AO Argunsah、A. Hobbiss、I. Israely、D. Unay、T. Tasdizen 和 M. Cetin，“基于树突棘分类的形状和外观特征”，Journal of神经科学方法。 任何使用此代码的论文都应相应地引用 [1]。 该软件已经在Matlab R2013b下进行了测试。 解压压缩文件后，启动Matlab，然后可以在根目录下运行“KDE_JNeuMeth.m”。 如果报告错误，则您可能没有以下某些 MATLAB 工具箱。 请确保您已正确安装以下 MATLAB 工具箱： 统计和机器学习工具箱 生物信息学工具箱 如果您仍然有问题，您可以给我发电子邮件，或者我会尽力提供帮助。 照原样，该代码使用基于析取法线形状模型 (DNSM) 和定向梯度直方图