论文部分内容阅读
下一代智能光网络能够根据动态信道状况、系统资源和用户业务需求自适应地调整信号速率、调制格式、波长等参数以实现系统资源的最大化利用。因此,系统参数的监控与识别是未来智能光网络的核心技术之一。其中,光信噪比监控技术可以实时地获取传输信号的质量并为信号检测提供依据。调制格式识别技术可以自动识别接收信号的调制格式,为相干接收机中调制格式相关数字信号处理算法(Digital Signal Processing,DSP)提供信息以自动配置接收机中的DSP算法,从而获得最佳接收性能。论文研究了两种调制格式识别的方案和一种OSNR监测的方案。主要工作如下:1、研究了一种基于信号幅度方差和4次方功率谱密度的调制格式识别方案。首先,根据信号幅度方差实现偏振复用(Polarization Division Multiplexing,PDM)相移键控(Phase-shift Keying Modulation,PSK)和正交振幅调制(Quadrature Amplitude Modulation,QAM)信号大类的区分。然后,分别把PDM-mPSK信号和PDM-mQAM信号4次方功率谱密度的均值和峰值投影到2维平面,并利用逻辑回归算法实现PDM-mQAM或PDM-mPSK子类的识别。搭建了仿真和实验系统,实现了PDM-QPSK/-8PSK/-16QAM/-32QAM四种常用调制格式的识别。结果表明,该方法可以在信号OSNR值远低于其7%FEC阈值的情况下实现调制格式的100%识别,且该方法对激光器线宽和光纤非线性的影响具有一定的容忍度。2、研究了一种基于4次方和8次方功率谱密度的调制格式识别方案。首先,把信号4次方和8次方功率谱密度峰值投影到2维平面,用支持向量机(Support Vector Machine,SVM)实现调制格式识别。对于无法区分的PDM-16QAM和PDM-64QAM,可根据幅度区分之后的4次方功率谱密度均值进一步区分。搭建了仿真和实验系统,实现了PDM-QPSK/-8PSK/-16PSK/-8QAM/-16QAM/-32QAM/-64QAM的识别。结果表明,该方法可以在信号OSNR值低于其7%FEC阈值情况下实现100%的识别率。3、研究了一种基于信号功率非线性变换结合深度神经网络(Deep Neural Networks,DNN)实现OSNR监测的方法。通过对信号幅度,信号2次方、4次方和8次方功率谱密度获取信号与OSNR相关特征量,并利用DNN提取相关特征量以实现OSNR监测。仿真结果表明,针对28Gbaud PDM-QPSK/-8PSK/-8QAM/-16QAM信号相干光通信系统对应的背靠背OSNR监测平均标准差分别为0.1dB、0.09dB、0.26dB和0.46dB。这四种调制格式在入纤功率分别为4dBm、4dBm、3dBm和3dBm,传输距离分别为2000km、1040km、1040km和800km的单模光纤时获得的OSNR监测平均标准差分别为0.43dB、0.34dB、0.66dB和0.79dB。