(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680460.X (22)申请日 2021.12.3 0 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 许浩　忻俊煜　牛文清　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 代理人 周海业 (51)Int.Cl. G06K 9/00(2022.01) G06N 20/00(2019.01) (54)发明名称 信号处理方法、 信号处理装置以及可读存储 介质 (57)摘要 本申请公开了一种信号处理方法、 信号处理 装置以及可读存储介质， 属于通信领域。 所述信 号处理方法具体包括： 获取可见光信号； 将目标 原型向量集中能够表征所述可见光信号的原型 向量作为目标原型向量； 其中， 所述目标原型向 量集通过对预设的精确收敛训练样本集合和预 收敛原型向量集， 采用预设的精确收敛模型进行 训练得到； 所述预收敛原型向量集通过对预设的 预收敛训练样本集合和初始原型向量集， 采用预 设的预收敛模 型进行训练得到； 将所述目标原型 向量作为星座点簇类的中心， 对 所述可见光信号 进行星座 点分类判决。 权利要求书3页 说明书13页 附图4页 CN 114417919 A 2022.04.29 CN 114417919 A 1.一种信号处 理方法， 其特 征在于， 所述信号处 理方法包括： 获取可见光信号； 将目标原型向量集中能够表征所述可见光信号的原型向量作为目标原型向量； 其中， 所述目标原型向量集通过对预设的精确收敛训练样本集合和预收敛原型向量集， 采用预设 的精确收敛模型进行训练得到； 所述预收敛原型向量集通过对预设的预收敛训练样本集合 和初始原型向量 集， 采用预设的预收敛模型进行训练得到； 将所述目标原型向量作为星座点簇类的中心， 对所述可见光信号进行星座点分类判 决。 2.根据权利要求1所述的信号处理方法， 其特征在于， 所述所述目标原型向量集通过以 下方法训练得到： 将预设的预收敛训练样本集合和初始原型向量集， 输入至所述预设的预收敛模型进行 训练， 获得 预收敛原型向量 集； 将预设的精确收敛训练样本集合和所述预收敛原型向量集， 输入至所述预设的精确收 敛模型进行训练， 获得目标原型向量 集。 3.根据权利要求2所述的信号处理方法， 其特征在于， 所述预收敛模型包括差值向量逼 近算法， 所述精确收敛模型包括学习向量 量化算法。 4.根据权利要求2所述的信号处理方法， 其特征在于， 所述将预设的预收敛训练样本集 合和初始原型向量集， 输入至所述预设的预收敛模 型进行训练， 获得预收敛原型向量集， 包 括： 获取预设的预收敛训练样本集合和初始原型向量集； 其中， 所述预收敛训练样本集合 包括n个第一信号样本， 每个所述第一信号样 本包括第一特征向量以及 对应的第一标签， 所 述初始原型向量集包括q个标准星座点的初始原型向量及其对应的类别， 所述n和所述q为 大于或者 等于1的整数； 将所述预收敛训练样本集合和所述初始原型向量集输入至所述预收敛模型， 从所述初 始原型向量集中选择与所述预收敛训练样本集合中第j 个第一标签相同的目标初始原型向 量； 采用差值向量逼近算法对所述目标初始原型向量进行预收敛， 直至j大于或者等于n， 获得训练好的预收敛原型向量 集。 5.根据权利要求2所述的信号处理方法， 其特征在于， 所述将预设的精确收敛训练样本 集合和所述预收敛原型向量集， 输入至所述预设的精确收敛模型进行训练， 获得目标原型 向量集， 包括： 获取预设的精确收敛训练样本集合； 其中， 所述预设的精确收敛训练样本集合包括m个 第二信号样本， 每 个所述第二信号样本包括第二特 征向量以及对应的第二标签； 将所述精确收敛训练样本集合和所述预收敛原型向量集输入至所述预设的精确收敛 模型， 从所述精确收敛训练集选取第j个第二信号样本， 计算所述第j个第二信号样本与所 述预收敛原型向量 集的每个预收敛原型向量的距离； 将所述距离最近的预收敛原型向量作为目标 预收敛原型向量； 采用学习向量量化算法对所述目标预收敛原型向量进行精确收敛， 直至j大于或者等 于m， 获得训练好的目标原型向量 集。权　利　要　求　书 1/3 页 2 CN 114417919 A 26.根据权利要求1所述的信号处理方法， 其特征在于， 所述将所述目标原型向量作为星 座点簇类的中心， 对所述可 见光信号进行星座 点分类判决的步骤 包括： 确定所述目标原型向量对应的目标类别； 其中， 所述原型向量和所述类别的对应关系 预先存储在所述目标原型向量中； 将所述目标类别作为星座 点簇类的中心， 对所述可 见光信号进行星座 点分类判决。 7.一种信号处 理装置， 其特 征在于， 所述信号处 理装置包括： 获取模块， 用于获取 可见光信号； 确定模块， 用于将目标原型向量集中能够表征所述可见光信号的原型向量作为目标原 型向量； 其中， 所述 目标原型向量集通过对预设的精确收敛训练样本集合和预收敛原型向 量集， 采用预设的精确收敛模型进行训练得到； 所述预收敛原型向量集通过对预设的预收 敛训练样本集 合和初始 原型向量 集， 采用预设的预收敛模型进行训练得到； 判决模块， 用于将所述目标原型向量作为星座点簇类的中心， 对所述可见光信号进行 星座点分类判决。 8.根据权利要求7所述的信号处理装置， 其特征在于， 所述目标原型向量集通过以下装 置训练得到： 预收敛训练模块， 用于将预设的预收敛训练样本集合和初始原型向量集， 输入至所述 预设的预收敛模型进行训练， 获得 预收敛原型向量 集； 精确收敛训练模块， 用于将预设的精确收敛训练样本集合和所述预收敛原型向量集， 输入至所述预设的精确收敛模型进行训练， 获得目标原型向量 集。 9.根据权利要求8所述的信号处理装置， 其特征在于， 所述预收敛模型包括差值向量逼 近算法， 所述精确收敛模型包括学习向量 量化算法。 10.根据权利要求8所述的信号处 理装置， 其特 征在于， 所述预收敛训练模块包括： 第一获取子模块， 用于获取预设的预收敛训练样本集合和初始原型向量集； 其中， 所述 预收敛训练样本集合包括n个第一信号样本， 每个所述第一信号样本包括第一特征向量以 及对应的第一标签， 所述初始原型向量集包括q个标准星座点的初始原型向量及其对应的 类别， 所述 n和所述q为大于或者 等于1的整数； 第一选择子模块， 用于将所述预收敛训练样本集合和所述初始原型向量集输入至所述 预收敛模型， 从所述初始原型向量集中选择与所述预收敛训练样本集合中第j个第一标签 相同的目标初始 原型向量； 预收敛原型向量集获取子模块， 用于采用差值向量逼近算法对所述目标初始原型向量 进行预收敛， 直至j大于或者 等于n， 获得训练好的预收敛原型向量 集。 11.根据权利要求8所述的信号处 理装置， 其特 征在于， 所述精确收敛训练模块包括： 第二获取子模块， 用于获取预设的精确收敛训练样本集合； 其中， 所述预设的精确收敛 训练样本集合包括m个第二信号样本， 每个所述第二信号样本包括第二特征向量以及对应 的第二标签； 第一计算子模块， 用于将所述精确收敛训练样本集合和所述预收敛原型向量集输入至 所述预设的精确收敛模型， 从所述精确收敛训练集选取第j个第二信号样本， 计算所述第j 个第二信号样本与所述预收敛原型向量 集的每个预收敛原型向量的距离； 第二选择子模块， 用于将所述距离最近的预收敛原型向量作为目标 预收敛原型向量；权　利　要　求　书 2/3 页 3 CN 114417919 A 3