CN105812050A - 基于光编码的无源光网络链路监测性能仿真平台及方法 - Google Patents

Abstract

本发明公开了一种基于光编码的无源光网络链路监测性能仿真平台及方法，该平台包括系统参数设置模块、光分配网二维光编码模块、光接收器模块、二维光解码器模块、接收信号判决变量处理模块和系统性能计算模块，可以实现对信噪比、信干比、噪声、检测概率、误警概率及最佳判决概率等监测性能的计算仿真。该平台以完全可视化的用户操作界面，集监测系统参数、系统性能分析和最佳判决性能分析为一体，可以快捷高效的对监测性能进行仿真，极大的提高了监测系统性能分析的效率，通过该仿真平台可以得到优化的系统参数，在实际应用中可以通过选择优化的系统参数来降低监测系统成本，提高监测系统的性能。

Description

基于光编码的无源光网络链路监测性能仿真平台及方法

技术领域

本发明属于光纤通信技术领域，涉及一种基于光编码的无源光网络链路故障监测性能分析仿真平台及方法。

背景技术

随着宽带中国战略和三网融合进程的逐步推进，各大电信运营商和广电运营商都在大力推进光纤宽带建设，光接入领域的无源光网络PON(PassiveOpticalNetwork)技术目前已经成为最主要的宽带接入方式。与此同时，用户对宽带设施可靠性的需求越来越高，当无源光网络出现链路故障会导致大量数据信息的丢失，用户满意度降低，也给网络运营商带来了经济损失。因此，人们提出了一些无源光网络链路故障监测系统，同时有关监测系统性能分析的研究也得到了越来越多的关注。

在现有的监测系统中，根据应用的监测技术的不同，主要分为两大类：1)基于光时域反射仪OTDR(OpticalTimeDomainReflectometer)的无源光网络链路监测系统；2)基于光编码OC(OpticalCoding)的无源光网络链路监测系统。在第一类监测系统中，光时域反射仪通过计算菲涅尔反射和瑞利后向散射信号光功率和距离之间的关系，识别与定位点对点链路中的插入损耗、连接损耗、弯曲损耗和断裂等故障事件。因此，光时域反射仪作为一种强有力的工具，被广泛的应用在点对点链路故障的监测中。然而，对于大用户容量，用户分布较为密集(即分布式光纤的长度接近)及点对多点的无源光网络而言，基于光时域反射仪的监测系统难以同时满足大的动态范围和高的距离分辨率的要求。为了弥补第一类链路监测系统的不足，人们提出了基于光编码的无源光网络链路监测系统，在每一条PON链路的末端安装不同的反射器，来区分不同的光纤链路。相比于第一类监测系统，不再有测量动态范围的限制，同时也可以对具有相同长度的光纤链路进行监测。为了进一步提高基于光编码的无源光网络监测系统的性能，人们提出了不同的光编码机制。

基于光编码的无源光网络监测系统性能分析主要包括以下几个方面：建立监测系统的数学模型；分析监测系统中的有效信号和干扰信号；分析监测系统中的各类噪声，包括拍频噪声、相干强度噪声、散粒噪声和热噪声等；分析监测系统中光纤链路的相干距离；分析系统中的信噪比SNR(signal-to-noiseratio)和信干比SIR(signal-to-interferenceratio)；分析监测系统的最佳判决性能。目前基于光编码的无源光网络链路监测系统性能分析，对于不同的光编码机制、不同的监测系统参数、不同的判决性能都需要重新进行建立数学模型，重新选取合适的参数；参数设定好后通过编写相关程序分别单独进行以上性能分析，计算复杂繁琐，效率低下。目前还没有一种简单高效的可视化仿真平台对整个监测性能进行快速准确的分析。在实际的基于光编码的无源光网络链路故障监测系统部署中，也需要这样一种便捷高效的系统性能分析仿真平台为实际应用提供理论依据。

发明内容

技术问题：本发明提供一种可以适用于不同光编码机制、不同监测系统参数、不同判决性能等仿真条件的基于光编码的无源光网络链路监测性能仿真平台及方法。该平台以完全可视化的用户操作界面，可以高效快捷的对监测系统性能进行仿真分析，极大的提高了性能分析的效率。

技术方案：本发明的基于光编码的无源光网络链路监测性能仿真平台，包括：

系统参数设置模块：用以设置无源光网络链路监测性能仿真所需要的系统参数，所述系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数；

光分配网二维光编码模块：用以利用输入光脉冲信号和网络链路计算得到接收光编码信号；

二维光解码器模块：用以利用接收光编码信号计算得到光解码信号；

光接收器模块：用以从系统参数设置模块中调取噪声参数，利用所述光解码信号计算接收信号判决变量；

接收信号判决变量处理模块：用以根据所述接收信号判决变量计算得到目标链路的积分滤波器采样值，所述积分滤波器采样值包括解码信号采样值、干扰信号采样值及噪声信号采样值；

系统性能计算模块：用以利用所述积分滤波器采样值数据，分别计算得到信噪比、信干比、噪声、检测概率、误警概率和最佳判决概率。

进一步的，本发明仿真平台中，所述系统参数设置模块中，设置的光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；所述二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；所述光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；所述网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。

进一步的，本发明仿真平台中，所述光分配网二维光编码模块按照以下方式计算接收光编码信号S(t,λ)：

其中Q_in(t,λ)是输入光脉冲信号，h_FF(t)是馈入式光纤函数，h_DDFk(t)是分布式光纤函数，是二维光编码器函数，t是脉冲信号的时间延迟，λ表示脉冲信号的波长，*表示卷积运算，表示分布式光纤不同的状态，0代表第条光纤链路出现故障，1代表第条光纤链路正常工作，K表示光分路器分路和合波数；

所述二维光解码器模块按照以下方式计算光解码信号r_i(t,λ)：

r_i(t,λ)＝Dc_i(t,λ)*S(t,λ)

其中Dc_i(t,λ)是二维光解码器函数；

所述光接收器模块按照以下方式计算接收信号判决变量i_PD(t)：

i_PD(t)＝G|r_i(t,λ)|²+i_n(t)

其中G为光电接收器增益，i_n(t)为噪声电流。

进一步的，本发明仿真平台中，所述接收信号判决变量处理模块按照以下方式计算目标链路的积分滤波器采样值γ：

$\mathrm{\γ}=\frac{1}{T_C}\·{\∫}_{t\∈T_{obs}}{i}_{PD}\left(t\right)dt={\mathrm{\μ}}_{sig}+{\mathrm{\μ}}_{\mathrm{int}}+{\mathrm{\γ}}_n$

其中T_C是脉冲宽度，T_obs是观察窗口宽度，μ_sig为解码信号采样值，μ_int是干扰信号采样值，γ_n是噪声信号采样值。

进一步的，本发明仿真平台中，所述系统性能计算模块包括信噪比单元、信干比单元、噪声单元、检测概率单元、误警概率单元及最佳判决概率单元；

所述信噪比单元按照以下方式计算得到信噪比SNR：

$SNR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E\left({\mathrm{\σ}}_n^2\right)}=\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E({\mathrm{\σ}}_{BN}^2+{\mathrm{\σ}}_{SN}^2+{\mathrm{\σ}}_{DN}^2+{\mathrm{\σ}}_{TN}^2)}$

其中E{μ_sig}是解码信号的期望值，E{σ² _n}是噪声信号的期望值，σ² _BN为拍频噪声的方差，σ² _SN为散弹噪声的方差，σ² _DN为暗电流噪声的方差，σ² _TN为热噪声的方差；

所述信干比单元按照以下方式计算得到信干比SIR：

$SIR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E{\left({\mathrm{\μ}}_{\mathrm{int}}\right)}^2}$

其中E{μ_int}是干扰信号的期望值；

所述检测概率单元按照以下方式计算得到检测概率P_D：

$P_D=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_a}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-a)}^2}{2{{\mathrm{\σ}}_a}^2}}dx$

所述误警概率单元按照以下方式计算得到误警概率P_FA：

$P_{FA}=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_b}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-b)}^2}{2{{\mathrm{\σ}}_b}^2}}dx$

所述最佳判决概率单元按照以下方式计算得到最优判决概率：P＝P_D-P_FA；

其中，μ是判决门限电流，x是检测电流值，a是检测概率的期望值，σ² _a是检测概率的方差，b是误警概率的期望值，σ² _b是误警概率的方差；当目标链路出现故障的时候，在局端没有目标链路的编码信号，此时期望为a＝E{μ_int}，方差为σ² _a＝σ² _SN+σ² _DN+σ² _TN；当目标链路正常的时候，传输的脉冲被编码反射回局端，此时期望为b＝E{μ_sig+μ_int}，方差为σ² _b＝σ² _BN+σ² _SN+σ² _DN+σ² _TN。

本发明的基于光编码的无源光网络链路监测性能仿真方法，包括以下步骤：

(1)设置系统参数，所述系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数；

(2)利用输入光脉冲信号、网络链路，计算接收光编码信号，利用所述接收光编码信号计算得到光解码信号，调用所述步骤(1)中设置的噪声参数，利用所述光解码信号计算得到接收信号判决变量i_PD(t)；

(3)利用所述接收信号判决变量i_PD(t)，计算得到目标链路的积分滤波器采样值，所述积分滤波器采样值包括解码信号采样值、干扰信号采样值及噪声信号采样值；

(4)利用所述步骤(3)中得到的积分滤波器采样值，分别计算得到信噪比、信干比、噪声、检测概率、误警概率和最佳判决概率。

进一步的，本发明方法中，所述步骤(1)中，光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；所述二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；所述光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；所述网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。

进一步的，本发明方法中，所述步骤(2)中，按照下式计算接收光编码信号S(t,λ)：

其中Q_in(t,λ)是输入光脉冲信号，h_FF(t)是馈入式光纤函数，h_DDFk(t)是分布式光纤函数，是二维光编码器函数，t是脉冲信号的时间延迟，λ表示脉冲信号的波长，*表示卷积运算，表示分布式光纤不同的状态，0代表第条光纤链路出现故障，1代表第条光纤链路正常工作，K表示光分路器分路和合波数；

按照下式计算光解码信号r_i(t,λ)：

r_i(t,λ)＝Dc_i(t,λ)*S(t,λ)

其中Dc_i(t,λ)是二维光解码器函数；

按照下式计算得到接收信号判决变量i_PD(t)：

i_PD(t)＝G|r_i(t,λ)|²+i_n(t)

其中G为光电接收器增益，i_n(t)为噪声电流。

进一步的，本发明方法中，所述步骤(3)中，按照下式计算得到目标链路的积分滤波器采样值γ：

$\mathrm{\γ}=\frac{1}{T_c}\·{\∫}_{t\∈T_{obs}}{i}_{PD}\left(t\right)di={\mathrm{\μ}}_{sig}+{\mathrm{\μ}}_{\mathrm{int}}+{\mathrm{\γ}}_n$

其中T_C是脉冲宽度，T_obs是观察窗口宽度，μ_sig为解码信号采样值，μ_int是干扰信号采样值，γ_n是噪声信号采样值。

进一步的，本发明方法中，所述步骤(4)中，根据下式计算得到信噪比SNR：

$SNR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E\left({\mathrm{\σ}}_n^2\right)}=\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E({\mathrm{\σ}}_{BN}^2+{\mathrm{\σ}}_{SN}^2+{\mathrm{\σ}}_{DN}^2+{\mathrm{\σ}}_{TN}^2)}$

其中E{μ_sig}是解码信号的期望值，E{σ² _n}是噪声信号的期望值，σ² _BN为拍频噪声的方差，σ² _SN为散弹噪声的方差，σ² _DN为暗电流噪声的方差，σ² _TN为热噪声的方差；

根据下式计算得到信干比SIR：

$SIR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E{\left({\mathrm{\μ}}_{\mathrm{int}}\right)}^2}$

其中E{μ_int}是干扰信号的期望值；

根据下式计算得到检测概率P_D：

$P_D=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_a}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-a)}^2}{2{{\mathrm{\σ}}_a}^2}}dx$

根据下式计算得到误警概率P_FA：

$P_{FA}=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_b}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-b)}^2}{2{{\mathrm{\σ}}_b}^2}}dx$

根据下式计算得到最优判决概率：P＝P_D-P_FA；

其中，μ是判决门限电流，x是检测电流值，a是检测概率的期望值，σ² _a是检测概率的方差，b是误警概率的期望值，σ² _b是误警概率的方差；当目标链路出现故障的时候，在局端没有目标链路的编码信号，此时期望为a＝E{μ_int}，方差为σ² _a＝σ² _SN+σ² _DN+σ² _TN；当目标链路正常的时候，传输的脉冲被编码反射回局端，此时期望为b＝E{μ_sig+μ_int}，方差为σ² _b＝σ² _BN+σ² _SN+σ² _DN+σ² _TN。

有益效果：本发明与现有技术相比，具有以下优点：

(1)现有的监测系统性能分析，对不同光编码机制、不同监测系统参数、不同性能判决的监测系统都需要重新建立数学模型，重新选取合适的参数，最后通过编写相关程序分别单独进行性能分析，整个仿真的过程复杂繁琐，效率低下。本发明以完全可视化的图形用户操作界面，可以高效便捷的对信噪比、信干比、噪声、最佳判决概率进行计算仿真，极大的提高了监测系统性能分析的效率，为监测系统的实际应用提供理论依据。

(2)现有的监测系统性能分析，还从未涉及最佳判决性能分析和系统参数优化分析。本发明集系统参数设置、系统性能分析、最佳判决性能分析为一体，通过该仿真平台可以得到最佳判决性能和优化的系统参数，在实际应用中可以通过选择优化的系统参数来降低监测系统成本。

附图说明

图1为本发明的仿真平台结构示意图；

图2为本发明的仿真方法流程示意图；

图3为本发明的仿真平台主界面；

图4为本发明的仿真平台系统参数设置界面；

图5为本发明的仿真平台系统性能分析界面；

图6为本发明的仿真平台最佳判决性能分析界面。

具体实施方式

下面结合实施例和说明书附图对本发明作进一步的说明。

如图1所示为基于光编码的无源光网络链路监测性能仿真平台，该平台包括：

系统参数设置模块：用以设置无源光网络链路监测性能仿真所需要的系统参数，所述系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数；

光分配网二维光编码模块：用以利用输入光脉冲信号和网络链路计算得到接收光编码信号；

二维光解码器模块：用以利用接收光编码信号计算得到光解码信号；

光接收器模块：用以从系统参数设置模块中调取噪声参数，利用所述光解码信号计算接收信号判决变量；

接收信号判决变量处理模块：用以根据所述接收信号判决变量计算得到目标链路的积分滤波器采样值，所述积分滤波器采样值包括解码信号采样值、干扰信号采样值及噪声信号采样值；

系统性能计算模块：用以利用所述积分滤波器采样值数据，分别计算得到信噪比、信干比、噪声、检测概率、误警概率和最佳判决概率，其中噪声包括拍频噪声、散弹噪声、暗电流噪声、热噪声。

进一步的，本发明仿真平台中，所述系统参数设置模块中，设置的光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。

进一步的，本发明仿真平台中，所述光分配网二维光编码模块按照以下方式计算接收光编码信号S(t,λ)：

其中Q_in(t,λ)是输入光脉冲信号，h_FF(t)是馈入式光纤函数，h_DDFk(t)是分布式光纤函数，是二维光编码器函数，t是脉冲信号的时间延迟，λ表示脉冲信号的波长，*表示卷积运算，表示分布式光纤不同的状态，0代表第条光纤链路出现故障，1代表第条光纤链路正常工作，K表示光分路器分路和合波数；公式中前向路径表示的是输入光脉冲信号经过馈入式光纤，通过光分路器分路后进入各分布式光纤末端的编码器；相反的，后向路径表示的是光编码信号经过各分布式光纤，通过分路器合波后进入馈入式光纤到达局端。

所述二维光解码器模块按照以下方式计算光解码信号r_i(t,λ)：

r_i(t,λ)＝Dc_i(t,λ)*S(t,λ)

其中Dc_i(t,λ)是二维光解码器函数；

所述光接收器模块按照以下方式计算接收信号判决变量i_PD(t)：

i_PD(t)＝G|r_i(t,λ)|²+i_n(t)

其中G为光电接收器增益，i_n(t)为噪声电流。

进一步的，本发明仿真平台中，所述接收信号判决变量处理模块按照以下方式计算目标链路的积分滤波器采样值γ：

$\mathrm{\γ}=\frac{1}{T_C}\·{\∫}_{t\∈T_{obs}}{i}_{PD}\left(t\right)dt={\mathrm{\μ}}_{sig}+{\mathrm{\μ}}_{\mathrm{int}}+{\mathrm{\γ}}_n$

其中T_C是脉冲宽度，T_obs是观察窗口宽度，μ_sig为解码信号采样值，μ_int是干扰信号采样值，γ_n是噪声信号采样值；

解码信号采样值μ_sig可以表示为：

${\mathrm{\μ}}_{sig}={\mathrm{G\α}}_{Total}{\mathrm{\ξ}}_i{e}^{-2{\mathrm{\α}}_a{l}_i}{\mathrm{wP}}_s$

其中α_Total表示总的连接损耗，α_a表示光纤损耗系数，ξ_i表示分布式光纤不同的状态，ξ_i∈{0,1}，0代表第i条光纤链路出现故障，1代表第i条光纤链路正常工作，l_i表示目标链路的长度，w表示码重，P_s表示二维光编码信号的功率；

干扰信号采样值μ_int可以表示为：

${\mathrm{\μ}}_{\mathrm{int}}={\mathrm{G\α}}_{Total}\underset{k=2}{\overset{K}{\Σ}}{\mathrm{\ρ}}_{ks}{e}^{-2{\mathrm{\α}}_a{l}_k}{P}_s$

其中表示子脉冲干扰概率，l_k表示干扰链路的长度；

γ_n近似看作服从均值为0，方差为σ² _n＝σ² _BN+σ² _SN+σ² _DN+σ² _TN的高斯分布，σ² _BN为拍频噪声的方差，σ² _SN为散弹噪声的方差，σ² _DN为暗电流噪声的方差，σ² _TN为热噪声的方差，不同的噪声项分别表示为：

${\mathrm{\δ}}_{DN}^2={\mathrm{qI}}_{DN}\left(t\right)B_e$

${\mathrm{\δ}}_{TN}^2=N_{TN}{B}_e$

其中β是拍频噪声标准化系数，是光电接收器噪声因子，q是电荷量，B_e是接收机电带宽，I_DN(t)是暗电流，N_TN,是热噪声功率。

进一步的，本发明仿真平台中，所述系统性能计算模块包括信噪比单元、信干比单元、噪声单元、检测概率单元、误警概率单元及最佳判决概率单元；

所述信噪比单元按照以下方式计算得到信噪比SNR：

$SNR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E\left({\mathrm{\σ}}_n^2\right)}=\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E({\mathrm{\σ}}_{BN}^2+{\mathrm{\σ}}_{SN}^2+{\mathrm{\σ}}_{DN}^2+{\mathrm{\σ}}_{TN}^2)}$

其中E{μ_sig}是解码信号的期望值，E{σ² _n}是噪声信号的期望值；

所述信干比单元按照以下方式计算得到信干比SIR：

$SIR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E{\left({\mathrm{\μ}}_{\mathrm{int}}\right)}^2}$

其中E{μ_int}是干扰信号的期望值；

所述检测概率单元按照以下方式计算得到检测概率P_D：

$P_D=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_a}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-a)}^2}{2{{\mathrm{\σ}}_n}^2}}dx$

所述误警概率单元按照以下方式计算得到误警概率P_FA：

$P_{FA}=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_b}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-b)}^2}{2{{\mathrm{\σ}}_b}^2}}dx$

所述最佳判决概率单元按照以下方式计算得到最优判决概率：P＝P_D-P_FA；

其中，μ是判决门限电流，x是检测电流值，a是检测概率的期望值，σ² _a是检测概率的方差，b是误警概率的期望值，σ² _b是误警概率的方差；当目标链路出现故障的时候，在局端没有目标链路的编码信号，此时期望为a＝E{μ_int}，方差为σ² _a＝σ² _SN+σ² _DN+σ² _TN；当目标链路正常的时候，传输的脉冲被编码反射回局端，此时期望为b＝E{μ_sig+μ_int}，方差为σ² _b＝σ² _BN+σ² _SN+σ² _DN+σ² _TN。

如图2所示为基于光编码的无源光网络链路监测性能仿真方法，包括以下步骤：

(1)设置系统参数，所述系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数；

(2)利用输入光脉冲信号、网络链路，计算接收光编码信号，利用所述接收光编码信号计算得到光解码信号，调用所述步骤(1)中设置的噪声参数，利用所述光解码信号计算得到接收信号判决变量i_PD(t)；其中，网络链路表示的是前向路径和后向路径，前向路径是输入光脉冲信号经过馈入式光纤，通过光分路器分路后进入各分布式光纤末端编码器所经过的光纤链路；相反的，后向路径是光编码信号经过各分布式光纤，通过分路器合波后进入馈入式光纤到达局端所经过的光纤链路；

(3)利用所述接收信号判决变量i_PD(t)，计算得到目标链路的积分滤波器采样值，所述积分滤波器采样值包括解码信号采样值、干扰信号采样值及噪声信号采样值；

(4)利用所述步骤(3)中得到的积分滤波器采样值，分别计算得到信噪比、信干比、噪声、检测概率、误警概率和最佳判决概率，其中噪声包括拍频噪声、散弹噪声、暗电流噪声、热噪声。

进一步的，本发明方法中，所述步骤(1)中，光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；所述二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；所述光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；所述网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。

进一步的，本发明方法中，所述步骤(2)中，按照下式计算接收光编码信号S(t,λ)：

其中Q_in(t,λ)是输入光脉冲信号，h_FF(t)是馈入式光纤函数，h_DDFk(t)是分布式光纤函数，是二维光编码器函数，t是脉冲信号的时间延迟，λ表示脉冲信号的波长，*表示卷积运算，表示分布式光纤不同的状态，，0代表第条光纤链路出现故障，1代表第条光纤链路正常工作，K表示光分路器分路和合波数；公式中前向路径表示的是输入光脉冲信号经过馈入式光纤，通过光分路器分路后进入各分布式光纤末端的编码器；相反的，后向路径表示的是光编码信号经过各分布式光纤，通过分路器合波后进入馈入式光纤到达局端。

按照下式计算光解码信号r_i(t,λ)：

r_i(t,λ)＝Dc_i(t,λ)*S(t,λ)

其中Dc_i(t,λ)是二维光解码器函数；

按照下式计算得到接收信号判决变量i_PD(t)：

i_PD(t)＝G|r_i(t,λ)|²+i_n(t)

其中G为光电接收器增益，i_n(t)为噪声电流。

进一步的，本发明方法中，所述步骤(3)中，按照下式计算得到目标链路的积分滤波器采样值γ：

$\mathrm{\γ}=\frac{1}{T_c}\·{\∫}_{t\∈T_{obs}}{i}_{PD}\left(t\right)dt={\mathrm{\μ}}_{sig}+{\mathrm{\μ}}_{\mathrm{int}}+{\mathrm{\γ}}_n$

其中T_C是脉冲宽度，T_obs是观察窗口宽度，μ_sig为解码信号采样值，μ_int是干扰信号采样值，γ_n是噪声信号采样值；

解码信号采样值μ_sig可以表示为：

${\mathrm{\μ}}_{sig}={\mathrm{G\α}}_{Total}{\mathrm{\ξ}}_i{e}^{-2{\mathrm{\α}}_a{l}_i}{\mathrm{wP}}_s$

其中α_Total表示总的连接损耗，α_a表示光纤损耗系数，ξ_i表示分布式光纤不同的状态，ξ_i∈{0,1}，0代表第i条光纤链路出现故障，1代表第i条光纤链路正常工作，l_i表示目标链路的长度，w表示码重，P_s表示二维光编码信号的功率；

干扰信号采样值μ_int可以表示为：

${\mathrm{\μ}}_{\mathrm{int}}={\mathrm{G\α}}_{Total}\underset{k=2}{\overset{K}{\Σ}}{\mathrm{\ρ}}_k{e}^{-2{\mathrm{\α}}_a{l}_k}{P}_s$

其中表示子脉冲干扰概率，l_k表示干扰链路的长度；

γ_n近似看作服从均值为0，方差为σ² _n＝σ² _BN+σ² _SN+σ² _DN+σ² _TN的高斯分布，σ² _BN为拍频噪声的方差，σ² _SN为散弹噪声的方差，σ² _DN为暗电流噪声的方差，σ² _TN为热噪声的方差，不同的噪声项分别表示为：

${\mathrm{\δ}}_{DN}^2={\mathrm{qI}}_{DN}\left(t\right)B_e$

${\mathrm{\δ}}_{TN}^2=N_{TN}{B}_e$

其中β是拍频噪声标准化系数，是光电接收器噪声因子，q是电荷量，B_e是接收机电带宽，I_DN(t)是暗电流，N_TN,是热噪声功率。

进一步的，本发明方法中，所述步骤(4)中，根据下式计算得到信噪比SNR：

$SNR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E\left({\mathrm{\σ}}_n^2\right)}=\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E({\mathrm{\σ}}_{BN}^2+{\mathrm{\σ}}_{SN}^2+{\mathrm{\σ}}_{DN}^2+{\mathrm{\σ}}_{TN}^2)}$

其中E{μ_sig}是解码信号的期望值，E{σ² _n}是噪声信号的期望值；

根据下式计算得到信干比SIR：

$SIR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E{\left({\mathrm{\μ}}_{\mathrm{int}}\right)}^2}$

其中E{μ_int}是干扰信号的期望值；

根据下式计算得到检测概率P_D：

$P_D=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_a}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-a)}^2}{2{{\mathrm{\σ}}_a}^2}}dx$

根据下式计算得到误警概率P_FA：

$P_{FA}=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_b}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-b)}^2}{2{{\mathrm{\σ}}_b}^2}}dx$

根据下式计算得到最优判决概率：P＝P_D-P_FA；

其中，μ是判决门限电流，x是检测电流值，a是检测概率的期望值，σ² _a是检测概率的方差，b是误警概率的期望值，σ² _b是误警概率的方差；当目标链路出现故障的时候，在局端没有目标链路的编码信号，此时期望为a＝E{μ_int}，方差为σ² _a＝σ² _SN+σ² _DN+σ² _TN；当目标链路正常的时候，传输的脉冲被编码反射回局端，此时期望为b＝E{μ_sig+μ_int}，方差为σ² _b＝σ² _BN+σ² _SN+σ² _DN+σ² _TN。

如图3所示为基于光编码的无源光网络链路监测性能仿真平台的主界面，通过主界面可以便捷的进入系统参数设置界面、系统性能分析界面和最佳判决性能分析进行相关操作。

如图4所示为基于光编码的无源光网络链路监测性能仿真平台系统参数设置界面，系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数。其中，光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；所述二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；所述光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；所述网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。如图4所示，在仿真中默认参数分别为：光源选择为相干光源；传输脉冲功率4dBm；传输脉冲宽度1ns；光源带宽10MHz；波长数4；码重4；最大自相关值1；最大自相关值1；码长769；光电接收器增益100；接收机电宽度1THz；光电接收器噪声因子2.97；热噪声功率10^-26Amp²/H；暗电流160nA；馈入式光纤长度20km；光纤损耗系数0.3dB/km；总的连接损耗5dB；用户数64。

如图5所示为基于光编码的无源光网络链路监测性能仿真平台系统性能分析界面，可以实现对信噪比、信干比、噪声的仿真分析。其中信噪比分析有脉冲功率、用户数量、脉冲宽度三个仿真条件选项；信干比分析有用户数量和脉冲宽度两个仿真条件选项；默认的用户分离距离分比为500、1000、1500和2000m。以选择信噪比分析中的脉冲功率选项为例，仿真曲线和仿真数据如图5所示，曲线缩放模式可以放大缩小曲线方便曲线查看；曲线移动模式可以上下左右移动曲线方便数据的读取；光标模式可以在曲线上对数据点进行标注；曲线恢复可以恢复到曲线的原始状态；曲线保存可以把仿真曲线以图片的形式进行保存；仿真数据以表格的形式显示，可以选择显示横坐标和纵坐标的值；数据保存可以把仿真的结果以表格的形式进行保存，方便后续的数据处理。

如图6所示为基于光编码的无源光网络链路监测性能仿真平台最佳判决性能分析界面，最佳判决性能分析的仿真条件包括用户分离距离、用户数量、传输脉冲宽度、传输脉冲功率；默认的用户分离距离分别为100、500、1000、1500、2000和3000m。以选择用户分离距离选项为例，仿真曲线和仿真数据如图6所示，曲线缩放模式可以放大缩小曲线方便曲线查看；曲线移动模式可以上下左右移动曲线方便数据的读取；光标模式可以在曲线上对数据点进行标注；曲线恢复可以恢复到曲线的原始状态；曲线保存可以把仿真曲线以图片的形式进行保存；仿真数据以表格的形式显示，可以选择显示横坐标和纵坐标的值；数据保存可以把仿真的结果以表格的形式进行保存，方便后续的数据处理；在仿真的表格中可以设置最优判决概率的最优判决范围，如图6所示，设置最优判决范围为0.95-1，数据表格自动筛选出满足最优判决范围的数据，从而得到最佳判决性能和优化的系统参数，在实际应用中可以通过选择优化的系统参数来提高监测系统的性能，降低监测系统成本。

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (10)

1.基于光编码的无源光网络链路监测性能仿真平台，其特征在于，该平台包括：

系统参数设置模块：用以设置无源光网络链路监测性能仿真所需要的系统参数，所述系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数；

光分配网二维光编码模块：用以利用输入光脉冲信号和网络链路计算得到接收光编码信号；

二维光解码器模块：用以利用接收光编码信号计算得到光解码信号；

光接收器模块：用以从系统参数设置模块中调取噪声参数，利用所述光解码信号计算接收信号判决变量；

接收信号判决变量处理模块：用以根据所述接收信号判决变量计算得到目标链路的积分滤波器采样值，所述积分滤波器采样值包括解码信号采样值、干扰信号采样值及噪声信号采样值；

系统性能计算模块：用以利用所述积分滤波器采样值数据，分别计算得到信噪比、信干比、噪声、检测概率、误警概率和最佳判决概率。

2.根据权利要求1所述的基于光编码的无源光网络链路监测性能仿真平台，其特征在于，所述系统参数设置模块中，设置的光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；所述二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；所述光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；所述网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。

3.根据权利要求1所述的基于光编码的无源光网络链路监测性能仿真平台，其特征在于，所述光分配网二维光编码模块按照以下方式计算接收光编码信号S(t,λ)：

其中Q_in(t,λ)是输入光脉冲信号，h_FF(t)是馈入式光纤函数，h_DDFk(t)是分布式光纤函数，是二维光编码器函数，t是脉冲信号的时间延迟，λ表示脉冲信号的波长，*表示卷积运算，表示分布式光纤不同的状态，0代表第条光纤链路出现故障，1代表第条光纤链路正常工作，K表示光分路器分路和合波数；

所述二维光解码器模块按照以下方式计算光解码信号r_i(t,λ)：

r_i(t,λ)＝Dc_i(t,λ)*S(t,λ)

其中Dc_i(t,λ)是二维光解码器函数；

所述光接收器模块按照以下方式计算接收信号判决变量i_PD(t)：

i_PD(t)＝G|r_i(t,λ)|²+i_n(t)

其中G为光电接收器增益，i_n(t)为噪声电流。

4.根据权利要求1、2或3所述的基于光编码的无源光网络链路监测性能仿真平台，其特征在于，所述接收信号判决变量处理模块按照以下方式计算目标链路的积分滤波器采样值γ：

$\mathrm{\γ}=\frac{1}{T_C}\·{\∫}_{t\∈T_{obs}}{i}_{PD}\left(t\right)dt={\mathrm{\μ}}_{sig}+{\mathrm{\μ}}_{\mathrm{int}}+{\mathrm{\γ}}_n$

其中T_C是脉冲宽度，T_obs是观察窗口宽度，μ_sig为解码信号采样值，μ_int是干扰信号采样值，γ_n是噪声信号采样值。

5.根据权利要求1、2或3所述的基于光编码的无源光网络链路监测性能仿真平台，其特征在于，所述系统性能计算模块包括信噪比单元、信干比单元、噪声单元、检测概率单元、误警概率单元及最佳判决概率单元；

所述信噪比单元按照以下方式计算得到信噪比SNR：

$SNR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E\left({\mathrm{\σ}}_n^2\right)}=\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E({\mathrm{\σ}}_{BN}^2+{\mathrm{\σ}}_{SN}^2+{\mathrm{\σ}}_{DN}^2+{\mathrm{\σ}}_{TN}^2)}$

其中E{μ_sig}是解码信号的期望值，E{σ² _n}是噪声信号的期望值，σ² _BN为拍频噪声的方差，σ² _SN为散弹噪声的方差，σ² _DN为暗电流噪声的方差，σ² _TN为热噪声的方差；

所述信干比单元按照以下方式计算得到信干比SIR：

$SIR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E{\left({\mathrm{\μ}}_{\mathrm{int}}\right)}^2}$

其中E{μ_int}是干扰信号的期望值；

所述检测概率单元按照以下方式计算得到检测概率P_D：

$P_D=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_a}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-a)}^2}{2{{\mathrm{\σ}}_a}^2}}dx$

所述误警概率单元按照以下方式计算得到误警概率P_FA：

$P_{FA}=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_b}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-b)}^2}{2{{\mathrm{\σ}}_b}^2}}dx$

所述最佳判决概率单元按照以下方式计算得到最优判决概率：P＝P_D-P_FA；

其中，μ是判决门限电流，x是检测电流值，a是检测概率的期望值，σ² _a是检测概率的方差，b是误警概率的期望值，σ² _b是误警概率的方差；当目标链路出现故障的时候，在局端没有目标链路的编码信号，此时期望为a＝E{μ_int}，方差为σ² _a＝σ² _SN+σ² _DN+σ² _TN；当目标链路正常的时候，传输的脉冲被编码反射回局端，此时期望为b＝E{μ_sig+μ_int}，方差为σ² _b＝σ² _BN+σ² _SN+σ² _DN+σ² _TN。

6.一种基于光编码的无源光网络链路监测性能仿真方法，其特征在于，该方法包括以下步骤：

(1)设置系统参数，所述系统参数包括光源及其参数、二维光编码参数、光接收器参数及噪声参数、网络链路物理参数及用户规模数；

(2)利用输入光脉冲信号、网络链路，计算接收光编码信号，利用所述接收光编码信号计算得到光解码信号，调用所述步骤(1)中设置的噪声参数，利用所述光解码信号计算得到接收信号判决变量i_PD(t)；

(3)利用所述接收信号判决变量i_PD(t)，计算得到目标链路的积分滤波器采样值，所述积分滤波器采样值包括解码信号采样值、干扰信号采样值及噪声信号采样值；

(4)利用所述步骤(3)中得到的积分滤波器采样值，分别计算得到信噪比、信干比、噪声、检测概率、误警概率和最佳判决概率。

7.根据权利要求6所述的基于光编码的无源光网络链路监测性能仿真方法，其特征在于，所述步骤(1)中，光源及其参数包括相干光源的选择、传输脉冲功率、传输脉冲宽度、光源宽带；所述二维光编码参数包括波长数、码重、最大自相关值、最大互相关值、码字长度；所述光接收器参数及噪声参数包括光电接收器增益、接收机电带宽、光电接收器噪声因子、热噪声功率、暗电流；所述网络链路物理参数及用户规模数包括输入馈入光纤的长度、光纤损耗系数、总的连接损耗、用户数量。

8.根据权利要求6所述的基于光编码的无源光网络链路监测性能仿真方法，其特征在于，所述步骤(2)中，按照下式计算接收光编码信号S(t,λ)：

其中Q_in(t,λ)是输入光脉冲信号，h_FF(t)是馈入式光纤函数，h_DDFk(t)是分布式光纤函数，是二维光编码器函数，t是脉冲信号的时间延迟，λ表示脉冲信号的波长，*表示卷积运算，表示分布式光纤不同的状态，0代表第条光纤链路出现故障，1代表第条光纤链路正常工作，K表示光分路器分路和合波数；

按照下式计算光解码信号r_i(t,λ)：

r_i(t,λ)＝Dc_i(t,λ)*S(t,λ)

其中Dc_i(t,λ)是二维光解码器函数；

按照下式计算得到接收信号判决变量i_PD(t)：

i_PD(t)＝G|r_i(t,λ)|²+i_n(t)

其中G为光电接收器增益，i_n(t)为噪声电流。

9.根据权利要求6、7或8所述的基于光编码的无源光网络链路监测性能仿真方法，其特征在于，所述步骤(3)中，按照下式计算得到目标链路的积分滤波器采样值γ：

$\mathrm{\γ}=\frac{1}{T_C}\·{\∫}_{t\∈T_{obs}}{i}_{PD}\left(t\right)dt={\mathrm{\μ}}_{sig}+{\mathrm{\μ}}_{\mathrm{int}}+{\mathrm{\γ}}_n$

其中T_C是脉冲宽度，T_obs是观察窗口宽度，μ_sig为解码信号采样值，μ_int是干扰信号采样值，γ_n是噪声信号采样值。

10.根据权利要求6、7或8所述的基于光编码的无源光网络链路监测性能仿真方法，其特征在于，所述步骤(4)中，根据下式计算得到信噪比SNR：

$SNR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E\left({\mathrm{\σ}}_n^2\right)}=\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E({\mathrm{\σ}}_{BN}^2+{\mathrm{\σ}}_{SN}^2+{\mathrm{\σ}}_{DN}^2+{\mathrm{\σ}}_{TN}^2)}$

其中E{μ_sig}是解码信号的期望值，E{σ² _n}是噪声信号的期望值，σ² _BN为拍频噪声的方差，σ² _SN为散弹噪声的方差，σ² _DN为暗电流噪声的方差，σ² _TN为热噪声的方差；

根据下式计算得到信干比SIR：

$SIR\stackrel{def}{=}\frac{E{\left({\mathrm{\μ}}_{sig}\right)}^2}{E{\left({\mathrm{\μ}}_{\mathrm{int}}\right)}^2}$

其中E{μ_int}是干扰信号的期望值；

根据下式计算得到检测概率P_D：

$P_D=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_a}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-a)}^2}{2{{\mathrm{\σ}}_a}^2}}dx$

根据下式计算得到误警概率P_FA：

$P_{FA}=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_b}\·{\∫}_{-\mathrm{\∞}}^{\mathrm{\μ}}{e}^{\frac{-{(x-b)}^2}{2{{\mathrm{\σ}}_b}^2}}dx$

根据下式计算得到最优判决概率：P＝P_D-P_FA；

其中，μ是判决门限电流，x是检测电流值，a是检测概率的期望值，σ² _a是检测概率的方差，b是误警概率的期望值，σ² _b是误警概率的方差；当目标链路出现故障的时候，在局端没有目标链路的编码信号，此时期望为a＝E{μ_int}，方差为σ² _a＝σ² _SN+σ² _DN+σ² _TN；当目标链路正常的时候，传输的脉冲被编码反射回局端，此时期望为b＝E{μ_sig+μ_int}，方差为σ² _b＝σ² _BN+σ² _SN+σ² _DN+σ² _TN。