在云计算、物联网等大带宽需求应用的推动下,互联网数据流量在未来几年会迎来几何倍数的增长。作为目前骨干网、城域网的主要传输形式,光通信也会面临前所未有的挑战。作为一种电光转换设备,电光调制器由于其出众的性能而在光通信领域和微波光子领域都有着广泛的应用。由于应用场景需求或是工艺误差等原因,电光调制器需要一个直流偏置电压来保证其工作在特定的工作状态下。但是受到环境温度、机械应力等外部因素或是调制器器件本身不均匀的电光特性影响,调制器的工作点在实际应用中会出现漂移问题,影响链路的传输性能。因此实际应用电光调制器需要额外的偏置控制电路保证调制器的长期稳定工作。本文首先从电光调制器的基本原理出发,分析了电光调制器在实际应用过程中出现工作点漂移现象的原因以及实现偏置控制的基本原理。然后分析了目前主流偏置控制算法存在的不足之处。最终提出了一种基于人工神经网络实现的电光调制器偏置电压自动控制算法。该算法通过一个两层的人工神经网络自动学习调制器输出的平均光功率和偏置电压的非线性关系,然后可以迅速地根据监控信号预测当前调制器的工作点并修正。最后本论文通过56-Gb/s PAM4信号和28-Gb/s BPSK信号的传输实验分别验证了该算法对工作在光强正交点和光强最小点的马赫曾德尔调制器的有效性,从而证明了该算法可以满足将调制器锁定在任意工作点的需求。此外,本文还分析了目前研究十分广泛的IQ调制器的偏置电压控制算法。目前的绝大多数IQ调制器偏置控制算法都只能针对偏置点在调制曲线光强最小点的情况,无法满足任意点锁定的应用场景。而且这些算法大多需要计算复杂度较高的快速傅里叶变换算法来做频谱分析或是需要对信号做多个周期的积分。因而本文还提出了基于ANN实现的IQ调制器偏置控制算法。通过ANN对IQ调制器输出的时域信号的半个周期采样值进行学习分析,提取信号中的谐波分量,从而实现偏置控制的功能。最后,我们在matlab中简单验证了该算法的可行性。