光网络监测中波长通道识别等关键技术研究

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:yinje2004_2005
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
光网络正朝着更大容量、更高谱效、更加动态灵活的方向快速演进,弹性密集波分复用(Flexibel Dense Wavelength Division Multiplexing,F-DWDM)光网络由于其资源利用灵活高效、连接动态可变的特点,成为主流技术方案之一。随着F-DWDM光网络架构变得愈发复杂庞大,波长连接变得更加动态灵活,更加需要与之相适应的监测手段以保证光网络稳定高效运行。特别是F-DWDM中存在大量的光波长交叉连接,正确无误的波长连接是光网络正常运行的必要条件,因此波长连接状态是光网络监测中首要的监测目标。目前基于光标签的监测方案通过“随路标识”具有天然的监测光波长通道连接正确性的能力,但在长距离多信道传输条件下易受到受激拉曼散射(Stimulated Raman Scattering,SRS)效应干扰,导致监测准确度降低。另一方面,光网络中间节点监测对成本敏感,亟需低成本高精度的波长通道性能和参数的监测/识别,使得光网络具备自主综合感知能力。进一步地,对全网各中间节点之间底层光纤线路的监测,包括光纤断点定位、光纤衰减和接头状况监测等,能够及时定位甚至避免光纤故障,减小因光纤线路故障而产生的巨大经济损失。F-DWDM 网络的光纤线路监测向不占用额外波长且无需独立光源的“嵌入式”方向发展,但是目前还存在因发射功率、测量时间受限导致监测性能差等问题。因此,本文围绕上述F-DWDM光网络监测的主要技术难题,开展了波长通道识别等关键技术研究,主要研究工作及创新点如下。1、基于光标签的波长通道监测方案中SRS效应导致各波长通道光标签经多跨段传输后相互串扰,严重限制基于光标签的光信噪比(Optical Signal to Noise Ratio,OSNR)监测的准确度和可靠性。对此,本文提出了一种基于数字信号处理迭代抑制SRS致光标签串扰的多通道OSNR可靠监测方案。该方案首先通过数字信号处理迭代抑制标签SRS串扰,避免了基于光滤波器分组抑制SRS方案中使用的昂贵光器件;并通过基于标签监测到的各个掺铒光纤放大器前后的通道光功率计算各链路的自发辐射噪声,进而推算各通道OSNR的大小。仿真结果表明,在80个波长信道10× 100km光纤传输的条件下,信道光功率平均误差和最大误差分别为0.27dB和0.49dB,相比使用较高成本的光滤波器2分组方案(1.58dB)和4分组方案(0.37dB)的平均误差分别降低了 1.31dB和0.1dB,最差情况下OSNR监测误差在0.3dB以内。2、基于光标签的波长通道监测方案通过“随路标识”可以判断波长上路节点,但由于SRS串扰,业务信号下路时该信道标签依然可以在其它信道上被检测到(残余标签),残余标签和新上路业务信号的标签产生同频干扰,将劣化监测准确度。对此,本文提出了一种基于异步码分多址抑制残余光标签的高可靠F-DWDM光网络波长通道识别方案。所提方案采用异步码分多址方法识别节点身份标识(Identification,ID)和残余标签,仅利用10MHz量级的低带宽光电探测器并结合数字信号处理,同时监测各波长信道的光功率和节点/波长ID。仿真结果表明,在C波段80个波长信道中存在业务信号上下路的情况下,信道光功率监测平均误差和最大误差分别为0.40dB和0.99dB,实现了 100%准确度的节点/波长ID监测,据此能够准确判断波长连接状态。3、针对一些仅需监测光波长通道参数的场景中,F-DWDM光网络波长链路低成本且色散容忍的调制格式识别的需求,本文提出了一种在中间节点基于低带宽直接检测和卷积神经网络的调制格式识别方案。所提出的调制格式识别方案采用卷积神经网络对通过100MHz量级低带宽直接检测中间节点分路少部分光信号生成的异步幅度直方图进行训练和识别,并且采用最大相关系数作为评判各个调制格式异步幅度直方图区分程度的指标,以选择色散容忍的监测器带宽。仿真和离线实验结果表明,在色散0~16000 ps/nm范围内,输入光功率分别为0dBm和5dBm,OSNR范围从容限至之上15dB的条件下,所提方案可以实现QPSK、16QAM、64QAM三种正交幅度调制格式的100%准确度的识别。4、F-DWDM网络中嵌入式光时域反射仪(Optical Time-domain Reflectometer,OTDR)“嵌入”于光监控波长信道,嵌入式相关OTDR性能不仅受到发射光功率和测量信号时间有限的制约,硬件实现上探测序列(M序列)的波形失真还降低了动态范围。本文设计了一种适用于嵌入相关OTDR的M序列波形失真补偿方法。所设计方法在检测后向散射信号之前先检测不经过后向散射的发射机发出的M序列作为检测失真的依据,并以此为基础进行失真补偿。在得到补偿的OTDR曲线后,根据码片周期更新事件识别阈值,以实现事件自动识别。仿真结果表明,在9阶M序列长度为511、码片周期为6400ns的条件下,经过波形失真补偿的OTDR动态范围达到19.5dB,接近M序列未失真时的21dB动态范围;离线实验中失真补偿后的OTDR动态范围约为18dB。
其他文献
语音增强技术是人机交互系统在复杂声学环境中正常工作的重要保证。根据采用麦克风数量的不同,语音增强技术可分为单通道和多通道语音增强。相较于后者,单通道技术并不依赖于麦克风精度,具有易用性和有效性而被广泛研究。目前主流的单通道方法通常是基于时域和变换域中语音和噪声的差异性特征。然而这些方法过于依赖于噪声估计精度,且在低信噪比条件下面临鲁棒性被制约等问题。针对以上难题,本文分别从频域、调制域和时域角度,
近年来,随着云计算、物联网等技术的发展,人们对通信带宽和数据速率的要求不断提升。与传统无线电通信、光纤通信不同的是,自由空间光(Free Space Optics,FSO)通信有高带宽、易于部署、低功耗、低质量以及高安全性等特点,能够有效填补前两者的不足,在面向长距离、高速和大容量的通信方面具备巨大潜力。面向高速、大容量的全球通信发展趋势,涡旋光束(Optical Vortex,OV)在FSO通信
第六代移动通信系统(6th Generation Mobile Communication System,6G)作为5G通信的延伸,对通信距离、通信容量等提出了更高的要求。天线作为无线通信系统的关键器件,负责发射和接收电磁波能量,其性能直接影响着通信质量。高增益阵列天线及携带轨道角动量(Orbital Angular Momentum,OAM)的高聚焦涡旋电磁波天线在提高通信距离、信道容量等方面具
近年来,随着数据资源的日益丰富,机器学习模型逐步被用于发现隐藏的数据模式和趋势,并且已经广泛应用于很多领域,如医疗、金融、营销等等。虽然机器学习模型具有一定的应用广泛性和优势,但仍有一些人由于对模型的理解及经验不足等原因,对机器学习模型的使用持消极态度。这表明人们在使用机器学习模型时还存在许多障碍。对高预测准确率的追求导致许多机器学习模型都异常复杂,表现出黑箱特性,黑箱模型的可解释性较差是阻碍用户
在区块链技术驱动下,私人数字货币登上历史舞台并蓬勃发展。从演进历史来看,货币历经了“商品货币金属货币—法定货币—数字货币”的发展阶段。其中,从法定货币到数字货币是一次“惊险跳跃”。作为数字货币的重要构成,私人数字货币具有超越非数字货币的优势,即它以区块链技术为架构核心、以分布式账本为交易前提、有利于推进货币的国际化。虽然私人数字货币的发展极大地刺激了金融创新,但是其衍生的金融风险、技术风险与法律风
水文气象系统是一种复杂的、动态变化的循环系统。受到气候变化、人类活动等多方面的影响,水文气象过程在时间上表现出非常明显的非线性、非平稳性、多尺度和随机性等非参数统计特征。深入研究水文气象要素的演变规律,掌握变化趋势,提高预测精度,有利于水资源管理、气候评估和环境保护。因此,基于非参数统计的水文气象要素的变化趋势分析及其预测研究具有理论与应用研究意义。论文系统研究了国内外关于非参数型趋势分析方法的研
球形机器人凭借其特殊结构与运动方式带来的可靠性、灵活性以及低能耗特点,与传统移动机器人相比具有更大的发展潜力。随着当前机器人领域的快速发展,不断复杂化的任务环境需要球形机器人在面对不同任务需求(如长续航能力、高运动灵活性等)时具备多样化适应能力,然而相关能力的欠缺成为球形机器人发展的主要制约因素。摆式偏心力矩驱动机制是研究广泛的球形机器人驱动机制,重摆周向运动使球形机器人质心周向改变是其驱动原理。
垂直腔表面发射激光器(VCSEL)由于具有诸如低功耗、低成本、单模特性优异等优点而被广泛应用于光通信系统中。经过多年的研究和开发,VCSEL技术也逐步进入到了其他的应用领域。近年来,随着苹果公司将VCSEL引入到手机的面部识别模块中,基于VCSEL的3D感测技术引起了越来越多的来自企业和研究机构兴趣。然而,新的应用场景也对传统的VCSEL技术提出了几大挑战。首先,随着互联网技术发展的日新月异,接入
乳腺癌是影响全世界妇女健康的主要恶性肿瘤,发病率位居女性恶性肿瘤之首,针对乳腺癌的研究具有巨大的社会学及医学意义。目前,乳腺癌诊治常用的标志物有限,更多有意义的标志物需要被筛选出来。传统用于标志物筛选的实体瘤组织样本中,除了癌细胞以外还存在正常细胞等干扰“杂质”,影响了标志物筛选结果,许多患者也无法随时获得其组织样本,实施动态监测与筛选。由于肿瘤细胞生长迅速,细胞之间的黏合力较低,大量肿瘤细胞会发
随着移动通信技术的不断发展,通信系统终端设备数目与各种数据业务的资源分配需求呈现爆炸式增长,这给网络资源有限的第五代通信网络(5th Generation Mobile Networks,5G)带来了 巨大的挑战,同时进一步增加了 5G网络资源优化的复杂性。首先,当前的移动通信网络正处于由第四代通信网络(4th Generation Mobile Networks,4G)向5G网络转变的特殊时期,