近些年来,随着新兴产业技术如5G、物联网、大数据的不断发展,互联网带宽及容量的需求不断提升。根据IEEE 802.3bs标准,单载波长距光通信的行业标准已经提升到400Gbit/s,促成这一提升需要更高的频谱利用率,传统的QPSK信号已无法满足这一需求。解决这一问题的途径之一便是更高阶的调制格式,如16QAM、64QAM信号可以满足这一需求,但高阶调制格式需要更为先进的算法进行处理。提升算法性能的途径之一是采用训练序列,本文的研究工作是利用训练序列提升卡尔曼算法的性能。论文针对单方程拓展卡尔曼算法的收敛速度依赖于调制格式,且在高阶信号下的算法会出现收敛失败的缺点,利用普通型训练序列来克服这些缺点。本文通过仿真及实验验证普通训练序列性能,运用准确的帧同步算法来确定训练序列位置是利用训练序列辅助卡尔曼算法的前提,故探究中采用m序列进行帧同步操作,帧同步结果表明该帧同步方案在不同调制格式下均有效。接下来具体探究在不同比例的训练序列下,算法在算法稳定性、收敛速度、偏振跟踪速率、激光器线宽容忍度等方面的提升。在高阶的64QAM信号下,训练序列的引入增大了算法稳定性。在收敛速度方面可以做到与调制格式无关,可以实现快速收敛,相比于无训练序列辅助的情形,收敛速度有了近50倍的提升。偏振跟踪速率以及线宽容忍度方面的性能表现随着训练序列所占比例的增加而提升。针对普通训练序列无法提供信息给到卡尔曼算法的缺点,本文探究了特殊型训练序列。这一训练序列在结构上采用特殊的结构设计,可以直接计算出琼斯逆矩阵,一方面可以快速解偏,另一方面可以提供更多的信息给卡尔曼算法,提升卡尔曼算法的收敛速度。这一部分主要是通过仿真来进行探究,与普通型训练序列相同,特殊训练序列也需要精确确定训练序列位置,仿真结果表明m序列在特殊训练系列下可以进行准确的帧同步。接下来具体探究了不同偏振混叠角度下解偏的有效性,验证训练序列长度、光信噪比等因素对解偏精度的影响。仿真结果表明特殊训练序列在不同偏振混叠角度下均可以精确解偏,训练序列长度越长信噪比越高,解偏精度越高。在收敛速度方面,特殊训练序列辅助的卡尔曼算法可以在十个数据点以内收敛。本文系统总结了训练序列辅助下的卡尔曼算法处理不同调制格式信号下的性能,给出了相应的参数配置建议。