论文部分内容阅读
近年来,随着宽带数据业务的巨大发展以及大规模商用,核心网络的网络流量几乎以每年2倍的速度增长,并且增长趋势日益加快。因此网络供应商应该更新他们的设备来支持高数据速率产品的广泛应用。由于快速增长的通信量需求,要实现未来的光网络需要大容量、低价格的光纤传输系统。而目前的波分复用(WDM,Wavelength Division Multiplexing)技术也将达到了它的极限400Gb/s,为满足未来互联网的需要,光传输和网络技术要向更高效、灵活、可扩展的方向发展。因此为了提高现在大规模应用的WDM网络结构的频谱利用率,专家学者们在现有的网络结构基础上提出了一些新型的网络结构,而基于正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)的弹性光网络(EON,Elastic Optical Networking),因其具有较大的优势而被认为是的下一代网络结构中当前WDM网络结构的最优替代品。因此,在OFDM-based EON这种新型网络结构中,在先验信息缺乏的条件下,如何进行对多载波的随机参数进行自适应识别关系到这种新型网络结构能否真正大规模应用。在OFDM-based EON中,信号的各种参数均处于未知状态,因此在接收端在缺乏先验信息的条件下,能够对信号进行自适应参数显得十分重要。同时调制格式在信号参数自适应识别的过程中处于前端,因此调制格式识别的准确率与效率关系到接下去的参数识别准确率与效率。因此本文参考借鉴了在其他领域中用于调制格式识别的方法,进行改进并首次在OFDM-based EON这种新型网络结构中进行运用。本文主要的研究内容如下:(1)在OFDM-based EON这种新型网络结构中,在先验信息缺乏的情况下,首次将计算高阶循环累积量的方法引入光OFDM信号的调制格式自适应识别中。在计算过程中,本文得出了常用低高阶调制格式的高阶循环累积量值,并在此基础上给出了调制格式识别区间,并且通过仿真对该调制格式识别区间进行了性能检验。(2)在OFDM-based EON这种新型网络结构中,在先验信息缺乏的情况下,首次引入了星座图聚类并以此为基础提出了一种改进的光OFDM信号的调制格式识别方法。本文利用仿真系统搭建了OFDM-based EON网络结构中的系统模型,并通过仿真验证了该算法的性能。