1.一种基于高维信息特征提取的复杂格式解析方法，其特征在于：包括如下步骤：S1：特征学习训练，通过训练得到各类调制格式的概率密度函数，作为后续判别的基础；

S2：信号特征提取，先对信号进行滤波、偏振不均衡补偿预处理，接着提取相应的高维参数作为分类特征；

S3：格式解析，采用极大似然函数估计的方式，从所有调制类型的集合当中选择一个概率最大的结果，判别未知信号的调制格式。

2.根据权利要求1所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的步骤S1中，具体包括如下步骤：

1.1）先将各种调制格式类别的偏振信号信息作为样本数据；

1.2）通过斯托克斯公式，将偏振复用中信号能够反映调制特征的相关信息，映射成一个四维的斯托克斯矢量，映射过程中涉及两路信号的幅值和相位差；

1.3）将映射之后的四维斯托克斯矢量当做信号的分类特征，利用线性判别分析的方法，将四维的信号特征投影到一个最佳的分类平面；在高维特征在投影之后，使用极大似然估计的方式去计算各种调制格式投影后的数据均值和方差，进而得到每一种调制格式所对应的概率密度函数。

3.根据权利要求2所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的步骤1.3）中，利用该概率密度函数去求解未知信号的调制格式，具体包括如下步骤：

1.31）当一个未知调制格式的信号进入的调制格式识别模块，先进行滤波、色散补偿的预处理；

1.32）在斯托克斯空间中执行一个升维的过程，将得到的四维信号特征朝着一个矢量空间投影；

1.33）再把投影之后的信号特征分别带入各个调制格式类别的概率密度函数，计算未知信号属于这个类别的概率；其中，最大的概率对应的类别就是的预测结果。

4.根据权利要求1所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的步骤S2中，具体包括如下步骤：在偏振复用的相干光通信系统中，接收端的相干接收机先利用偏振分光器将在光纤中传输的偏振光信号分离成两路，同时与本地振荡产生的两路偏振光在两个90°光学混频器中进行混频，分别得Ix，Qx，Iy，Qy四路信号，通过数模转换，加上虚部i就得了X路的偏振信号ex，和Y路的偏振信号ey；

将得到的代表X和Y两路偏振态的复数信号ex和ey，通过上图的映射规则进行映射，转变* *

成一个四维的斯托克斯矢量 ，其中ex 和ey 分别表示ex和ey的共轭；其中 表示两路信号的总功率，S1表示两路信号的能量差，S2和S3分别表示两路信号的两种相位差，ax和ay分别表示两路偏振信号的幅值，Ф表示两路信号的相位差。

5.根据权利要求4所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的映射规则是在相对的互极化信号功率和相位差的基础上运行的，在映射的过程当中，信号的振幅和相对相位保持不变，相位噪声和频率偏移消失，信息在通过映射之后的高维斯托克斯矢量很好的作为信号的分类特征进行处理，为后续的线性判别分析提供信号特征。

6.根据权利要求1所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的步骤S3中，具体包括如下步骤：使用线性判别分析对传输信号的信息分类特征进行降维和分类处理；线性判别分析法对高维度的信号特征进行降维和分类；

线性判别分析将带上标签的高维矢量数据，投影到维度更低的分类空间中；投影后的各个原始数据，形成按不同的类别区分，根据广义瑞利商的性质，得到：其中A，B为n*n的Hermitan矩阵，Z为n维向量，且 ，λmin和λmax分别为矩阵的特征值的最小值和最大值，利用广义瑞利商对高维数据进行降维和分类。

7.根据权利要求6所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的对高维数据进行降维和分类，具体包括如下步骤：对于一个多维数据集D={(z1，v1)， (z2，v2)... (zm，vm)}，其中每一组数据的前一项为n维向量，后一项是数据类别；

定义N（j j=1，2，...k）为第j类样本的个数，Z（j j=1，2，...k）为第j类样本的集合，则：为第j类样本的均值向量，

为第j类样本的协方差矩阵；

假设投影到的低维空间的维度为d，对应的基向量为（W1，W2，...Wd），基向量组成一个n*T

d的矩阵W；对于任意一个高维度样本数据Zi，它在降维空间的投影为W Zi；最大化，μ为所有样本均值向量，最小化 ；

将需要最大值化或最小值化的数据定义成两个新的矩阵：， ；

其中S b 为类间 散 度矩阵 ，SW 为 类内 散度 矩阵 ，设 定的 优化目 标 ：，其中ПdiagA为A的主对角线元素的乘积；

J（W）的优化过程转化为： ，其中d为低维空间的T T

维度，W 为矩阵W的转置，Wi为第i个基向量，Wi 为第i个基向量的转置；

将A设为数据的类间散度矩阵Sb，将B设为数据的类内散度矩阵SW，利用类内散度矩阵和类间散度矩阵的特征值与特征向量找到它的最大值，得到不同类别样本数据投影之后的方差和均值进而计算各自的概率密度函数；

利用线性判别分析得到的概率密度函数，作为复杂格式解析的依据；将未知信号的输入分别带入各个调制类型的概率密度函数之中，在所有的计算结果之中找到一个最大值作为输出，该概率密度函数所对应的调制格式即是该未知信号的调制格式。

8.根据权利要求7所述的一种基于高维信息特征提取的复杂格式解析方法，其特征在于：所述的调制格式的系统模型，在偏振复用相干光传输系统的发射端，根据用户的需求和信道的状况，动态地传送多种调制格式的偏振信号，配置通信系统的资源；在发射端用偏振分束器将连续光波分成两路，再借助IQ调制器将信息分别加载到两路偏振光的I路和Q路上；调制过后两路相互独立且正交的偏振信号经过少模光纤的传输，于接收端被相干接收机接收转化为四路信号，经过数模转换器变换成数字信号进入DSP进行信号的后续计算；先对信号做一个功率归一化的预处理，再通过斯托克斯公式进行一个升维的映射，得到与信号调制格式密切相关的高维斯托克斯矢量；使用线性判别分析得到的极大似然估计函数去计算各种类别的概率，将最大值作为调制格式识别的结果输出。