随着云计算、物联网、人工智能、5G移动通信等数据服务的飞速发展,全球互联网流量需求呈现指数级增长趋势,这给作为信息传输基石的光纤通信网络带来了巨大的挑战,迫使其朝着高速率、长距离、低成本以及可重构的方向发展。然而,面对未来复杂的网络结构和稀缺的频谱资源,传统的通过增加冗余或通过人工补偿的方式处理链路损伤的方案已经不再适用。因此,为了降低网络运营成本,实现资源利用率最大化并保证弹性光网络的最佳运营,连续监测各种光性能参数是必不可少的,而波特率（Baud Rate,BR）、调制格式（Modulation Format,MF）、光信噪比（Optical Signal to Noise Ratio,OSNR）、残余色散（Residual Chromatic Dispersion,R-CD）和差分群时延（Residual Differential Group Delay,R-DGD）作为光性能监测的关键参数,是人们研究关注的重点。本论文围绕弹性光网络中的光性能监测关键技术展开研究,主要研究内容可概括为如下两方面:1.提出了一种在弹性光网络（Elastic Optical Network,EON）中同时实现波特率识别（Baud Rate Identification,BRI）、调制格式识别（Modulation Format Identification,MFI）和多参数光性能监测（Optical Performance Monitoring,OPM）的方案。首先,该方案基于包含更多信号相位、幅度和密度信息的拉东变换增强图像（Enhanced Picture of Radon Transform,EPRT）,将原始弹性光网络信号星座图经灰度处理、边缘检测和拉东变换预处理后得到的EPRT作为信号参数识别和监测的关键特征。随后,将EPRT输入到多任务学习（Multi-Task Learning,MTL）神经网络中,以同时执行BRI、MFI、R-CD、R-DGD监测和OSNR估计。对于14/28GBaud偏振复用（Polarization Division Multiplexing,PDM）-EON传输系统的仿真结果表明:分别经过105次迭代、114次迭代和174次迭代后,本方案BRI、MFI和CDI的精度几乎都可以达到100%;对于OSNR估计任务,其平均绝对误差（Mean Absolute Error,MAE）在187次迭代后收敛到0.468 d B,DGD监测的平均绝对误差在170次迭代后稳定在0.021倍符号周期。随后,还利用14/28 GBaud PDM-EON实验系统进一步验证了该方案的有效性。实验结果表明,分别经过118次迭代和175次迭代后,本方案的MFI和BRI准确率几乎都可达到100%;该方案在200次迭代后对于OSNR估计的MAE可收敛到0.542 d B。2.提出了一种基于概率整形（Probability Shaping,PS）发射机的弹性光网络系统光性能多参数联合监测方案,包括BRI、MFI、OSNR监测和概率整形率（Probability Shaping Rate,PSR）估计。本方案的优势体现在选择异步延时抽头采样图（Asynchronous Delay-Tap Picture,ADTP）作为信号参数识别和监测的关键特征,只采用1～2个低速模数转换器和电延迟即可监控多个参数,硬件实现成本相对较低。我们通过PS-EON仿真传输系统验证了该方案的可行性。仿真结果表明:使用本方案后,BRI和MFI分别在179和170次迭代后分别达到94.6%和99.8%的识别准确率;对于OSNR估计任务,其MAE在187次迭代后收敛到0.21 d B;对于PSR监测的MAE在170次迭代后稳定在0.21 bits/symbol。