CN101477254A - 一种兼有任意偏振态转化和稳定的方法及其装置 - Google Patents
一种兼有任意偏振态转化和稳定的方法及其装置 Download PDFInfo
- Publication number
- CN101477254A CN101477254A CNA2009100772129A CN200910077212A CN101477254A CN 101477254 A CN101477254 A CN 101477254A CN A2009100772129 A CNA2009100772129 A CN A2009100772129A CN 200910077212 A CN200910077212 A CN 200910077212A CN 101477254 A CN101477254 A CN 101477254A
- Authority
- CN
- China
- Prior art keywords
- polarization
- polarization state
- data processing
- processing unit
- rand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Optical Communication System (AREA)
Abstract
本发明属于一种兼有任意偏振态转化和稳定的方法及其装置,该方法和装置采用任意偏振态的入射光经过偏振控制器后偏振态发生改变,偏振检测仪监测改变后的偏振态,并将结果输出到数据处理单元,数据处理单元采用PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的转化或稳定控制。本发明既可以将任意的输入光信号的偏振态转化成所需的目标偏振态,也可以实现在线跟踪,将输入光信号的偏振态稳定在目标偏振态上,且应用可行,前景广泛。
Description
技术领域
本发明属于一种兼有任意偏振态转化和稳定的方法及其装置。
背景技术
光信号在传输过程中由于光纤的扭曲、旋转、挤压等原因,将发生偏振态的改变。这对于偏分复用、相干接收等需要保持偏振态稳定的系统而言,无疑是一个亟待解决的问题。因此,控制和稳定光纤中的偏振态成为偏分复用系统及相干检测等研究的重点和难点。
发明内容
本发明的目的是提出一种兼有任意偏振态转化和稳定的方法及其装置,用方法和装置既可以将任意的输入光信号的偏振态转化成所需的目标偏振态,也可以实现在线跟踪,将输入光信号的偏振态稳定在目标偏振态上。
为此,本发明的方法是:
任意偏振态的入射光经过偏振控制器后偏振态发生改变,偏振检测仪监测改变后的偏振态,并将结果输出到数据处理单元,数据处理单元采用PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的转化或稳定控制,包括如下步骤:
(1)设定所期望得到转化的,或所期望得到稳定的偏振态S1,S2,S3及目标函数的阈值;
目标函数是
其中,S1’,S2’,S3’是偏振检测仪监测到的输入光信号的偏振态,S1,S2,S3是待输出的目标偏振态,对于完全偏振光,S12+S22+S32=S02,用S1,S2,S3即可描述光信号的偏振态,当S1′=S1,S2′=S2,S3′=S3时,目标函数值最大;
(2)在偏振控制电压所允许的范围内,随机设20个粒子,即随机选取20组电压V1,V2,V3,得到20个不同的偏振态S1’,S2’,S3’;
(3)判断当前光信号的偏振态是否是待输出的目标偏振态,即目标函数是否达到阈值,如果目标函数值小于阈值,则按下面的更新公式更新每个粒子的速度和位置,
vid=vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)
xid=xid+vid
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,第i个粒子的最佳位置记为pbestxi=(pbestxi1,pbestxi2,...,pbestxid,...pbestxiD),群体的最佳位置记为gbestx=(gbestx1,gbestx2,...,gbestxd,...gbestxD),直至达到阈值,如果目标函数值达到阈值,则跳出搜索算法,进入跟踪过程,将粒子数适当减少,搜索空间由整个斯托克斯空间缩小到原有最优位置的附近,在小范围内寻找目标函数的最大值;
(4)数据处理单元将搜索到的反馈控制电压V1,V2,V3经数模转换后输出到偏振控制器,改变偏振控制器的状态,以获得所需要的转化偏振态或所需要的稳定偏振态。
木发明实现该方法的装置具有:
偏振控制器,由四个波片组成,是一种角度固定,相差可变的偏振控制器,其四个波片的角度分别是45°、0°、45°、0°,可变相差由施加在波片上的电压控制,控制电压的范围是0--10V,可实现0~5π的相位变化;
偏振检测仪,用于检测偏振控制器输出信号的偏振态,它输出四路电压V0、V1、V2、V3,经模数转换和矩阵运算后得到斯托克斯矢量的四个分量;
数字模拟转换器,用于连接数据处理单元和偏振控制器;
模拟数字转换器,用于连接数据处理单元和偏振检测仪;
数据处理单元,数据处理单元的硬件部分为高速数字信号处理器(DSP)或计算机,控制算法采用粒子群优化(PSO)算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的稳定控制。
上述结构实现了本发明的目的。
本发明的优点是可以将任意的输入光信号的偏振态转化成所需的目标偏振态,也可以实现在线跟踪,将输入光信号的偏振态稳定在目标偏振态上。利用实验室现有的硬件设备,所能稳定跟踪的偏振态的响应速度最高达12.8krad/s(12.8千弧度/秒),且应用可行,前景广泛。
附图说明
图1为本发明结构的示意图
图2为本发明的粒子群优化(PSO)算法搜索工作流程图
图3为本发明以(1,0,0)作为目标偏振态的搜索结果图
图4为本发明的粒子群优化(PSO)算法跟踪流程图
图5(a~d)为本发明的在线跟踪的结果图
具体实施方式
如图1至图6所示,一种兼有任意偏振态转化和稳定的方法,任意偏振态的入射光经过偏振控制器后偏振态发生改变,偏振检测仪监测改变后的偏振态,并将结果输出到数据处理单元,数据处理单元采用PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的转化或稳定控制,包括如下步骤:
(1)设定所期望得到转化的,或所期望得到稳定的偏振态S1,S2,S3及目标函数的阈值;
目标函数是
其中,S1’,S2’,S3’是偏振检测仪监测到的输入光信号的偏振态,S1,S2,S3是待输出的目标偏振态,对于完全偏振光,S12+S22+S32=S02,用S1,S2,S3即可描述光信号的偏振态,当S1′=S1,S2′=S2,S3′=S3时,目标函数值最大;
(2)在偏振控制电压所允许的范围内,随机设20个粒子,即随机选取20组电压V1,V2,V3,得到20个不同的偏振态S1’,S2’,S3’;
(3)判断当前光信号的偏振态是否是待输出的目标偏振态,即目标函数是否达到阈值,如果目标函数值小于阈值,则按下面的更新公式更新每个粒子的速度和位置,
vid=vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)
xid=xid+vid
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,第i个粒子的最佳位置记为pbestxi=(pbestxi1,pbestxi2,...,pbestxid,...pbestxiD),群体的最佳位置记为gbestx=(gbestx1,gbestx2,...,gbestxd,...gbestxD),直至达到阈值,如果目标函数值达到阈值,则跳出搜索算法,进入跟踪过程,将粒子数适当减少,搜索空间由整个斯托克斯空间缩小到原有最优位置的附近,在小范围内寻找目标函数的最大值;
(4)数据处理单元将搜索到的反馈控制电压V1,V2,V3经数模转换后输出到偏振控制器,改变偏振控制器的状态,以获得所需要的转化偏振态或所需要的稳定偏振态。
所述的速度更新公式还可用:
vid=w*vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,w是惯性权重,它表示粒子当前速度对上一代速度的依赖程度。
所述的速度更新公式还可用:
vid=k*[w*vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)]
c=c1+c2(c>4)
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,k是限制因子,随着c的增大,k会变小,这样就防止了c过于大而造成当前粒子速度过大。
如图1所示,一种实现所述方法的装置,由偏振控制器2、偏振检测仪3、模拟数字变换器5、数据处理单元6和数字模拟变换器7组成。所述的装置具有:偏振控制器,由四个波片组成,是一种角度固定,相差可变的偏振控制器,其四个波片的角度分别是45°、0°、45°、0°,可变相差由施加在波片上的电压控制,控制电压的范围是0--10V,可实现0~5π的相位变化。数字模拟转换器,用于连接数据处理单元和偏振控制器。模拟数字转换器,用于连接数据处理单元和偏振检测仪。偏振检测仪,用于检测偏振控制器输出信号的偏振态,它输出四路电压V0、V1、V2、V3,经模数转换后和矩阵运算后得到斯托克斯矢量的四个分量;数据处理单元6,其硬件部分为高速数字信号处理器(DSP)或计算机,控制算法采用PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的稳定控制。
所述的偏振控制器连接偏振检测仪,偏振检测仪通过模拟数字变换器连接数据处理单元,数据处理单元通过数字模拟变换器连接偏振控制器。
所述的稳定装置的输入端1与光纤通信线路或任意偏振态的入射光路相连,稳定装置的输出端4与上述线路的光接收端相连。
数据处理单元是含有PSO算法及搜索跟踪程序的高速数字信号处理器(DSP)或者计算机。
木发明原理是任意偏振态的入射光经过(电控)偏振控制器后偏振态发生改变。偏振检测仪监测改变后的偏振态,并将结果输出到数据处理单元。数据处理单元采用PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的稳定控制。
数据处理单元的控制算法采用PSO算法,搜索并跟踪所选用的目标函数的最大值。目标函数选取一个具有单凸最大值的函数:
其中,(S1′,S2′,S3′)是偏振检测仪监测到的输入光信号的偏振态,(S1,S2,S3)是待输出的目标偏振态。对于完全偏振光,S12+S22+S32=S02,用(S1,S2,S3)即可描述光信号的偏振态。当S1′=S1,S2′=S2,S3′=S3时,目标函数值最大,本发明采用PSO算法搜索并跟踪目标函数的最大值。当进行搜索时,搜索算法在全空间寻找目标函数的最大值;当进行跟踪时,搜索算法在小范围内寻找目标函数的最大值。偏振控制器的控制电压由逻辑控制单元采用PSO算法搜索得到。当偏振检测仪检测到一组斯托克斯矢量(S1′,S2′,S3′)后,判断当前光信号的偏振态是否是待输出的目标偏振态,即目标函数值是否达到阈值。如果目标函数值达到阈值,则跳出搜索算法,不进行反馈输出,保持当前链路中的偏振态;如果目标函数值小于阈值,则利用搜索算法在电压空间中寻找一组合适的反馈控制电压(V1,V2,V3),使得输入的偏振态经电控偏振控制器后输出偏振态的斯托克斯矢量(S1′,S2′,S3′)尽可能地满足目标函数的最大值条件。数据处理单元搜索到的反馈控制电压(V1,V2,V3)经数字模拟转换器(D/A)转换后输出到(电控)偏振控制器,改变偏振控制器的状态,从而改变输入光信号的偏振态。
具有任意偏振态转化功能的光纤偏振态稳定装置具有在整个斯托克斯空间中搜索目标偏振态的功能。它采用PSO算法,以偏振控制器的控制电压(V1,V2,V3)作为搜索对象,以目标函数值作为判断标准。
如图2所示,粒子群优化(PSO)算法是一种源于生物现象的计算技术,它是为模拟鸟群或鱼群搜索捕食的行为而设计的一种优化算法。该算法利用由个体(或“粒子”)组成的社会群体搜索最佳解。每个个体(或“粒子”)抽象成多维空间中的一个交汇点,通过迭代更新自己在多维空间中的位置,以寻找最佳点。在每次迭代中,粒子对自己过去的最佳位置有记忆信息,同时又与社会群体中的其它粒子相互分享最佳位置的信息。每个粒子同时评价这两个信息以决定自己下一步的移动。当群体中的任何一个粒子离最佳目标位置足够近,或者说距离最佳目标位置的距离小于预先规定的误差时,便认为粒子已经找到了最佳位置。
粒子群优化(PSO)算法采用N个粒子组成群体,在空间中搜索最佳位置。它定义第i个粒子为D维空间中的位置矢量,表示为Xi=(xi1,xi2,...,xid,...,xiD)。同时定义该粒子的速度矢量为Vi=(vi1,vi2,...,vid,...viD)。搜索开始时,首先随机初始化N个粒子的位置和速度,使N个粒子均匀地分布在搜索空间中。在每一代中,每个粒子先反馈输出自己的当前位置,判断是否已经找到目标位置。如果是,则停止搜索;否则,等待更新自己的位置,以进入下一代的搜索。如果N个粒子在某一代中都没有找到目标位置,则进行更新。N个粒子根据自己历代搜索到的最佳位置和群体搜索到的最佳位置来更新自己的位置。其中,第i个粒子的最佳位置记为pbestxi=(pbestxi1,pbestxi2,...,pbestxid,...pbestxiD),群体的最佳位置记为gbestx=(gbestx1,gbestx2,...,gbestxd,...gbestxD)。粒子根据自己历代来的最佳位置进行更新称之为“个体认知”,根据群体最佳位置进行更新称之为“群体学习”。PSO算法的搜索过程如下:
(1)在D维空间中随机初始化N个粒子的位置和速度;
(2)对于每个粒子,计算其当前位置对应的目标函数值;
(3)每个粒子当前位置对应的目标函数值同自己前面几代找到的最佳目标函数值比较,如果“更优”,则替换该粒子的个体最优值和最优位置,否则不改变其个体最优值和最优位置;
(4)将当前一代整个群体中每个粒子的个体最优值和历代以来找到的全局最优目标函数值进行比较,如果“更优”,则替换群体最优值和最优位置,否则不改变群体最优值和最优位置;
(5)按下面的更新公式更新每个粒子的速度和位置。
vid=vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)
xid=xid+vid ②
(6)判断当前群体最优值是否满足终止条件,如果满足则停止搜索,否则转到(2)进行下一代搜索。
公式②中,rand()是[0,1]之间的随机数。式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”。c1、c2分别是“个体认知”和“群体学习”的权重。
除了公式②所示的更新公式,还有以下两个速度更新公式:
vid=w*vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbcstxd-xid) ③
vid=k*[w*vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)]
c=c1+c2(c>4)
其中,公式③可以通过改变w,实现算法逐渐进入局部搜索,有利于提高搜索精度。公式④通过引入限制因子k控制了搜索速度。上述两个更新公式改善了粒子群优化PSO算法的性能。
在该装置中,数据处理单元采用粒子群优化(PSO)算法,其流程图如图2所示。
如图3所示,图3是以(1,0,0)作为目标偏振态搜索的结果。
如图4所示,该本发明可以对输入光信号的偏振态进行高速的在线跟踪,实现将任意的输入光信号的偏振态稳定在某一特定偏振态上。偏振态的在线跟踪仍然采用粒子群优化(PSO)算法。此时,将粒子数适当减少,搜索空间由整个斯托克斯空间缩小到原有最优位置的附近,迭代的次数也适当减小,图4是跟踪过程的流程图。
如图5所示,在本发明的装置前加扰偏器。当扰偏器的频率分别为1kHz、2kHz、4kHz、8kHz,相位变化范围为时,在线跟踪的结果如图5所示,其中左图为斯托克斯矢量(S1′,S2′,S3′)的跟踪结果,右图为邦加球上的跟踪结果。扰偏频率分别为1kHz、2kHz、4kHz、8kHz时以(1,0,0)为目标偏振态的跟踪结果。(a)1kHz;(b)2kHz;(c)4kHz;(d)8kHz。
如图6所示,以(1,0,0)作为目标偏振态,当扰偏器的频率为8kHz,相位变化范围为时,稳定后偏振态的斯托克斯矢量偏离(1,0,0)的标准差σ小于0.05;当频率仍为8kHz,相位变化范围为时,偏离(1,0,0)的标准差小于0.1。图6是扰偏器的频率为0-8kHz时,相位变化范围分别为π时,稳定后偏振态偏离目标偏振态(1,0,0)的标准差。
总之,本发明可以将任意的输入光信号的偏振态转化成所需的目标偏振态,也可以实现在线跟踪,将输入光信号的偏振态稳定在目标偏振态上。利用实验室现有的硬件设备,所能稳定跟踪的偏振态的响应速度最高达12.8krad/s(12.8千弧度/秒),且应用可行,前景广泛。
Claims (5)
1、一种兼有任意偏振态转化和稳定的方法,其特征在于:任意偏振态的入射光经过偏振控制器后偏振态发生改变,偏振检测仪监测改变后的偏振态,并将结果输出到数据处理单元,数据处理单元采用PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的转化或稳定控制,包括如下步骤:
(1)设定所期望得到转化的,或所期望得到稳定的偏振态S1,S2,S3及目标函数的阈值;
目标函数是
其中,S1’,S2’,S3’是偏振检测仪监测到的输入光信号的偏振态,S1,S2,S3是待输出的目标偏振态,对于完全偏振光,S12+S22+S32=S02,用S1,S2,S3即可描述光信号的偏振态,当S1′=S1,S2′=S2,S3′=S3时,目标函数值最大;
(2)在偏振控制电压所允许的范围内,随机设20个粒子,即随机选取20组电压V1,V2,V3,得到20个不同的偏振态S1’,S2’,S3’;
(3)判断当前光信号的偏振态是否是待输出的目标偏振态,即目标函数是否达到阈值,如果目标函数值小于阈值,则按下面的更新公式更新每个粒子的速度和位置,
vid=vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)
xid=xid+vid
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,第i个粒子的最佳位置记为pbestxi=(pbestxi1,pbestxi2,...,pbestxid,...pbestiD),群体的最佳位置记为gbestx=(gbestx1,gbestx2,...,gbestxd,...gbestxD),直至达到阈值,如果目标函数值达到阈值,则跳出搜索算法,进入跟踪过程,将粒子数适当减少,搜索空间由整个斯托克斯空间缩小到原有最优位置的附近,在小范围内寻找目标函数的最大值;
(4)数据处理单元将搜索到的反馈控制电压V1,V2,V3经数模转换后输出到偏振控制器,改变偏振控制器的状态,以获得所需要的转化偏振态或所需要的稳定偏振态。
2、按权利要求1所述的一种兼有任意偏振态转化和稳定的方法,其特征在于:所述的更新公式还可用;
vid=w*vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,w是惯性权重,它表示粒子当前速度对上一代速度的依赖程度。
3、按权利要求1所述的一种兼有任意偏振态转化和稳定方法,其特征在于:所述的更新公式还可用;
vid=k*[w*vid+c1*rand()*(pbestxid-xid)+c2*rand()*(gbestxd-xid)]
c=c1+c2(c>4)
式中,第一项是原有速度,第二项对应“个体认知”,第三项对应“群体学习”,c1、c2分别是“个体认知”和“群体学习”的权重,rand()是0,1之间的随机数,k是限制因子,随着c的增大,k会变小,这样就防止了c过于大而造成当前粒子速度过大。
4、一种实现权利要求1所述方法的装置,由偏振控制器、偏振检测仪、模拟数字变换器、数据处理单元和数字模拟变换器组成,其特征在于所述的稳定装置具有:
偏振控制器,由四个波片组成,是一种角度固定,相差可变的偏振控制器,其四个波片的角度分别是45°、0°、45°、0°,可变相差由施加在波片上的电压控制,控制电压的范围是0--10V,可实现0~5π的相位变化;
偏振检测仪,用于检测偏振控制器输出信号的偏振态,它输出四路电压V0、V1、V2、V3,经模数转换和矩阵运算后得到斯托克斯矢量的四个分量;
数字模拟转换器,用于连接数据处理单元和偏振控制器;
模拟数字转换器,用于连接数据处理单元和偏振检测仪;
数据处理单元,数据处理单元的硬件部分为高速数字信号处理器DSP或计算机,控制算法采用粒子群优化PSO算法搜索并跟踪要输出的目标偏振态,并将其反馈给偏振控制器以实现对入射光信号偏振态的稳定控制。
5、按权利要求4所述的装置,其特征在于:所述的偏振控制器连接偏振检测仪,偏振检测仪通过模拟数字变换器连接数据处理单元,数据处理单元通过数字模拟变换器连接偏振控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100772129A CN101477254B (zh) | 2009-01-20 | 2009-01-20 | 一种兼有任意偏振态转化和稳定的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100772129A CN101477254B (zh) | 2009-01-20 | 2009-01-20 | 一种兼有任意偏振态转化和稳定的方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101477254A true CN101477254A (zh) | 2009-07-08 |
CN101477254B CN101477254B (zh) | 2010-06-30 |
Family
ID=40837996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100772129A Expired - Fee Related CN101477254B (zh) | 2009-01-20 | 2009-01-20 | 一种兼有任意偏振态转化和稳定的方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101477254B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221751A (zh) * | 2010-04-16 | 2011-10-19 | 华为技术有限公司 | 提升偏振控制器性能的方法和装置 |
CN102571197A (zh) * | 2011-12-29 | 2012-07-11 | 东南大学 | 基于组合波片偏振调节的快速偏振控制方法 |
CN105629518A (zh) * | 2014-10-27 | 2016-06-01 | 北京邮电大学 | 偏振稳定控制装置及方法 |
CN109690977A (zh) * | 2016-09-27 | 2019-04-26 | 凯迪迪爱通信技术有限公司 | 偏振跟踪装置、光接收装置、程序以及偏振跟踪方法 |
WO2020211390A1 (zh) * | 2019-04-16 | 2020-10-22 | 华为技术有限公司 | 一种相干光学接收装置及光信号解调装置 |
CN112485930A (zh) * | 2020-11-18 | 2021-03-12 | 华中科技大学 | 一种实现偏振稳定的控制方法及系统 |
CN114265213A (zh) * | 2020-09-16 | 2022-04-01 | 华中科技大学 | 一种基于数模转换器时分复用的片上光偏振控制系统 |
WO2022257841A1 (zh) * | 2021-06-08 | 2022-12-15 | 华为技术有限公司 | 一种光偏振态控制装置以及一种控制光偏振态的方法 |
-
2009
- 2009-01-20 CN CN2009100772129A patent/CN101477254B/zh not_active Expired - Fee Related
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221751A (zh) * | 2010-04-16 | 2011-10-19 | 华为技术有限公司 | 提升偏振控制器性能的方法和装置 |
WO2011127781A1 (zh) * | 2010-04-16 | 2011-10-20 | 华为技术有限公司 | 提升偏振控制器性能的方法和装置 |
CN102221751B (zh) * | 2010-04-16 | 2013-10-09 | 华为技术有限公司 | 提升偏振控制器性能的方法和装置 |
CN102571197A (zh) * | 2011-12-29 | 2012-07-11 | 东南大学 | 基于组合波片偏振调节的快速偏振控制方法 |
CN102571197B (zh) * | 2011-12-29 | 2014-10-08 | 东南大学 | 基于组合波片偏振调节的快速偏振控制方法 |
CN105629518B (zh) * | 2014-10-27 | 2019-04-05 | 北京邮电大学 | 偏振稳定控制装置及方法 |
CN105629518A (zh) * | 2014-10-27 | 2016-06-01 | 北京邮电大学 | 偏振稳定控制装置及方法 |
CN109690977A (zh) * | 2016-09-27 | 2019-04-26 | 凯迪迪爱通信技术有限公司 | 偏振跟踪装置、光接收装置、程序以及偏振跟踪方法 |
WO2020211390A1 (zh) * | 2019-04-16 | 2020-10-22 | 华为技术有限公司 | 一种相干光学接收装置及光信号解调装置 |
CN111835431A (zh) * | 2019-04-16 | 2020-10-27 | 华为技术有限公司 | 一种相干光学接收装置及光信号解调装置 |
CN111835431B (zh) * | 2019-04-16 | 2021-11-19 | 华为技术有限公司 | 一种相干光学接收装置及光信号解调装置 |
CN114265213A (zh) * | 2020-09-16 | 2022-04-01 | 华中科技大学 | 一种基于数模转换器时分复用的片上光偏振控制系统 |
CN112485930A (zh) * | 2020-11-18 | 2021-03-12 | 华中科技大学 | 一种实现偏振稳定的控制方法及系统 |
WO2022257841A1 (zh) * | 2021-06-08 | 2022-12-15 | 华为技术有限公司 | 一种光偏振态控制装置以及一种控制光偏振态的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101477254B (zh) | 2010-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101477254B (zh) | 一种兼有任意偏振态转化和稳定的方法及其装置 | |
CN102291181B (zh) | 一种分布式光纤扰动定位系统偏振控制方法及控制系统 | |
CN112508185B (zh) | 基于衍射深度神经网络的光学轨道角动量模式光学系统 | |
Cachemiche et al. | The PCIe-based readout system for the LHCb experiment | |
CN105264605A (zh) | 用于不匹配信号接收器的时序控制 | |
US20220239371A1 (en) | Methods, devices, apparatuses, and medium for optical communication | |
CN102916896A (zh) | 多路端口镜像混合数据流分流方法及设备 | |
Arockia Bazil Raj et al. | A direct and neural controller performance study with beam wandering mitigation control in free space optical link | |
JP5495120B2 (ja) | 光受信装置、光受信方法及び光受信装置の制御プログラム | |
Lee et al. | Neural networks and FPGA hardware accelerators for millimeter-wave radio-over-fiber systems | |
CN1976258A (zh) | 一种快速获得光纤链路中偏振模色散信息的实时监测方法 | |
CN102170312B (zh) | 一种自适应偏振模色散补偿方法 | |
Zhang et al. | Adaptive failure prediction using long short-term memory in optical network | |
Liu et al. | Prediction of congestion degree for optical networks based on bp artificial neural network | |
CN201345015Y (zh) | 兼有任意偏振态转化功能的光纤偏振态稳定装置 | |
Nguyen et al. | On the feasibility of hybrid electrical/optical switch architecture for large-scale training of distributed deep learning | |
CN108599840B (zh) | 一种基于功率谱检测的lg光两维复用通信的实现方法 | |
Li et al. | Photonic reservoir computing in optical transmission systems | |
CN113691320A (zh) | 一种数字信号处理方法及相关设备 | |
Calhoun et al. | Dynamic reconfiguration of silicon photonic circuit switched interconnection networks | |
CN114358061A (zh) | 一种空分复用信号光性能监测方法及系统 | |
CN201018509Y (zh) | 一种快速获得光纤链路中偏振模色散信息的实时监测装置 | |
CN1295894C (zh) | 自适应偏振模色散补偿中的反馈控制模块 | |
CN203352624U (zh) | 一种节目加载装置和用于交通工具的娱乐系统 | |
CN105474215A (zh) | 高速缓冲存储器与主存储器的映射查找方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100630 Termination date: 20170120 |
|
CF01 | Termination of patent right due to non-payment of annual fee |