论文部分内容阅读
光载无线(Radio over Fiber,RoF)技术因其融合了光纤通信技术的传输频带宽、损耗低以及无线通信技术的接入灵活等特点,已经成为了未来移动通信的热门研究技术之一。传统的模拟RoF(Analog RoF,ARoF)系统传输的是模拟射频信号,其本质是一个模拟系统。尽管其具有系统结构简单、成本低等优点,但模拟信号在光链路中会受到色散及非线性等因素的影响而导致系统的性能受限。本文研究的数字型RoF(Digitized RoF,DRoF)系统近些年广受关注,它克服了ARoF系统固有的缺陷,极大的改善了光载无线传输系统的性能。本文首先简单介绍了RoF的系统结构和发展方向,然后对比了ARoF与DRoF系统的优缺点和适用环境,并对DRoF技术进行了深入的研究。针对DRoF系统中数字基带信号频谱效率较低的问题,引入了基于非均匀量化的脉冲编码调制(Pulse Code Modulation,PCM)和差分脉冲编码调制(Differential Pulse Code Modulation,DPCM)等方法来提高系统的频谱效率。同时,研究了基于矢量线性预测的矢量量化(Vector Quantization with Vector Linear Prediction,VLP-VQ)方案和基于自组织特征映射(Self Organizing Feature Map,SOFM)神经网络聚类的矢量量化方案,以提高DRoF系统的频谱效率。本文在DRoF系统设计与实现方面主要做了以下工作:(1)研究并仿真验证了DRoF系统的基本模型。利用VPItransmissionMarkerTM光通信仿真平台,搭建了基于PCM和DPCM方案的DRoF传输链路,实现了的20 km光纤链路的DRoF传输。仿真结果表明,相对于传统均匀量化的PCM方案,基于非均匀量化的PCM和DPCM方案能为DRoF系统带来较大的性能提升。(2)研究了一种用于DRoF发送端的VLP-VQ方案并进行了实验验证。利用VLP技术对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)采样信号进行预处理,使信号的均方误差降低5%50%,从而极大程度的降低矢量量化的量化噪声。实验验证了基于数字移动前传(Mobile Fronthaul,MFH)的25 km 10 GBaud/λPAM-4IM/DD系统传输。实验结果表明,基于VLP-VQ技术的DRoF系统接收端误差矢量幅度(Error Vector Magnitude,EVM)性能相比于传统k-means聚类有较大程度的提升。(3)研究了一种基于SOFM神经网络聚类的矢量量化方案并进行了DRoF传输实验。使用SOFM神经网络对输入矢量信号进行线下训练以获得矢量量化所需的最优码本,通过对SOFM神经网络的测试进行线上量化。搭建了25 km 5 GBaud/λPAM-4IM/DD光传输链路用于所研究的矢量量化方案的测试。实验结果表明,基于SOFM神经网络聚类的矢量量化方案在量化比特每采样分别为3、4、5、6时,DRoF系统接收端信号的EVM值相对于传统的PCM方案分别降低约11%、6%、3%、1%。