CN108123908A - 一种用于ng-pon的改进svm均衡方法及系统 - Google Patents
一种用于ng-pon的改进svm均衡方法及系统 Download PDFInfo
- Publication number
- CN108123908A CN108123908A CN201711338018.2A CN201711338018A CN108123908A CN 108123908 A CN108123908 A CN 108123908A CN 201711338018 A CN201711338018 A CN 201711338018A CN 108123908 A CN108123908 A CN 108123908A
- Authority
- CN
- China
- Prior art keywords
- module
- nrz
- training sequence
- signal
- pon
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03878—Line equalisers; line build-out devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0795—Performance monitoring; Measurement of transmission parameters
- H04B10/07953—Monitoring or measuring OSNR, BER or Q
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0795—Performance monitoring; Measurement of transmission parameters
- H04B10/07955—Monitoring or measuring power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/66—Non-coherent receivers, e.g. using direct detection
- H04B10/69—Electrical arrangements in the receiver
- H04B10/691—Arrangements for optimizing the photodetector in the receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/66—Non-coherent receivers, e.g. using direct detection
- H04B10/69—Electrical arrangements in the receiver
- H04B10/697—Arrangements for reducing noise and distortion
- H04B10/6971—Arrangements for reducing noise and distortion using equalisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L2025/03433—Arrangements for removing intersymbol interference characterised by equaliser structure
- H04L2025/03439—Fixed structures
- H04L2025/03445—Time domain
- H04L2025/03471—Tapped delay lines
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种用于NG‑PON的改进SVM均衡方法及系统。本发明方法包括如下步骤:1:每隔设定长度,对需要传输的数字信号中插入训练序列,经过高速率NRZ调制产生电NRZ信号,将包含训练序列的高速率电NRZ信号转换成光NRZ信号;2:将光NRZ信号传输至接收端,并将接收的光NRZ信号转化为电NRZ信号;3:对电NRZ信号进行上采样,时间同步后,进行下采样;4:提取训练序列,并为每个训练序列构建特征值向量,计算最优超平面;5:利用最优超平面,对信息序列进行判决,实现均衡;6:每隔设定长度的信息序列,返回步骤4。本发明解决了用低带宽器件传输高速率信号时由于带宽限制所引入的信号畸变、码间串扰等造成系统的接收灵敏度下降的问题。
Description
技术领域
本发明涉及NG-PON(下一代无源光网络)系统技术领域,具体涉及一种用于低成本高速率NG-PON的改进SVM(支持向量机)的均衡方法及系统。
背景技术
近年来,随着互联网业务的迅猛发展,终端用户的带宽需求正在迅速增长。2015年,IEEE 802.3工作组进行了下一代以太网无源光网络(NG-EPON)的标准化工作。NG-EPON的目标是提供一个具有100-Gb/s容量的波长或者4个具有25Gb/s容量的堆叠波长。其中,每个堆叠波长传输25Gb/s被认为是NG-PON2的升级路径。同时,考虑PON系统对成本的敏感性,为了控制成本,通常以10G带宽的光学器件来实现25Gb/s的传输速率。最常见的解决方案是使用带宽效率更高的调制格式,如电子双二进制(EDB)和四元脉冲幅度调制(PAM-4),但这种方法会增加发送端调制的复杂度和成本。而另一种解决方案是使用均衡技术来补偿发送机和接收机带宽限制所产生的脉冲展宽、码间串扰(ISI)等信号畸变现象。
经对现有文献检索发现,用均衡技术对信号进行补偿,可以分为在光域上均衡和在电域上均衡两种。在光域对信号进行带宽限制所造成的ISI补偿,例如Li Z,Yi L,Ji H等于2016年发表的《100-Gb/s TWDM-PON based on 10G optical devices》,利用延迟干涉仪(DI),分别对高速率NRZ-OOK、PAM-4和双二进制信号由产生的色散、失真在光域上进行了补偿。但在光域上补偿存在实现成本高,效果有限且无法实现动态的自适应补偿等一系列问题。再如Xia J,Guo Y等于2017年发表的《Investigation on the equalizationtechniques for 10G-class optics enabled 25G-EPON》,在电域上利用广泛用于消除ISI的前馈均衡器(FFE)、判决反馈均衡器(DFE)以及最大似然序列估计(MLSE)来补偿带宽限制,并证明了该方案的可行性。但该方案采用传统的DFE和FFE自适应算法,所需的训练序列较长,一定程度上会降低有效信息率,且运算复杂度较高,计算效率低。
发明内容
针对现有技术中的缺陷,本发明提供了一种用于低成本高速率NG-PON的改进SVM均衡方法及系统。
本发明采取如下技术方案:
一种用于NG-PON的改进SVM均衡方法,包括如下步骤:
步骤1:每隔设定长度,对需要传输的数字信号中插入训练序列,经过高速率NRZ调制生成电NRZ信号,将包含训练序列的电NRZ信号(如经过低带宽光调制器)转换成光NRZ信号;
步骤2:将光NRZ信号传输至接收端,并(如利用光电探测器)将接收到的光NRZ信号转化为电NRZ信号;
步骤3:对电NRZ信号进行上采样,时间同步后,进行下采样;
步骤4:提取训练序列,并为每个训练序列构建特征值向量,计算最优超平面;
步骤5:利用最优超平面,基于FFE结构对信息序列进行判决,实现均衡;
步骤6:每隔设定长度的信息序列,返回步骤4。
优选地,步骤1中:在生成高速率的电NRZ信号前,每隔N个信号插入长度一定的训练序列,所述训练序列是一种(0,1)伪随机序列,由训练序列发生器生成,发送端和接收端采用参数一致的训练序列发生器就可以产生同样的序列,训练序列和需要传输的数字信号一起经过高速率NRZ调制模块,生成电NRZ信号;将高速率电NRZ信号经过一低通滤波器,滤去信号高频部分,最后连接至低带宽的光调制器,从而生成包含训练序列的光NRZ信号。
优选地,光调制器包括:马赫曾德尔调制器(MZM)与连续波激光器或者电吸收调制激光器(EML)。
优选地,光电探测器包括:光电二极管或者雪崩二极管;将光NRZ信号通过光纤传输至接收端,光纤为单模光纤。
优选地,步骤3中:上采样过程中,采样速率应高于数据速率,且为数据速率的整数倍,时间同步后,进行下采样。
优选地,步骤4中:提取训练序列,在提取的同时,基于FFE的结构,取若干个前后码元当作当前训练码元的特征值,组成特征值向量,该长度为码间串扰的长度,可以取多,保存所有训练序列的特征值向量。将构建的训练序列特征值向量,与接收端训练序列发生器重新产生的原始训练序列(后者为前者的正确判决结果)一起作为SMO算法的输入,计算出最优超平面。
优选地,步骤5中:取步骤4中获得的最优超平面的法向量,当作FFE的各抽头系数,即用SMO算法替代传统的自适应算法得到最优抽头系数,信息序列按照FFE的结构,经过抽头延时器与超平面法向量相乘,累加后,得到每个点到超平面的距离,进行判决,判决结果即为均衡输出。
优选地,步骤6包括:由于信道并不是严格的时不变信道,因此每N个信息序列均衡完后,返回步骤4重新提取训练序列并重新计算最优超平面。
本发明还提供了一种用于NG-PON的改进SVM均衡系统,包括:光NRZ信号发射模块、接收模块以及光纤,所述光NRZ信号发射模块将包含训练序列的光NRZ信号通过光纤发送至接收模块,由所述接收模块将光信号转化为相应的电信号,并提取出包含的训练序列,获取由训练序列计算的最优超平面以及最后判决得到的均衡后的信息数据。
优选地,所述光NRZ信号发射模块包括:由连续波激光器与低带宽调制器组成的光调制模块、电NRZ信号生成模块;优选地,所述的光调制模块包括:连续波激光器与低带宽调制器,其中,电NRZ信号生成模块的输出端连接至由连续波激光器驱动的低带宽光调制器,实现光NRZ信号的产生。
优选地,所述的电NRZ信号生成模块包括:数字信号模块、训练序列发生器、训练序列插入模块、高速率NRZ调制模块、低通滤波器;所述数字信号模块连接训练序列插入模块,每隔设定的长度插入由训练序列发生器所产生的训练序列,所述训练序列插入模块的输出端与高速率NRZ调制模块相连,产生高速率NRZ信号,所述高速率NRZ调制模块的输出端连接至低通滤波器,滤去信号的高频部分,最终产生可用于低带宽光调制模块的电NRZ信号。
优选地,所述光接收模块包括:低带宽光电探测器、上采样模块、时间同步模块、下采样模块、训练序列提取模块、最优超平面计算模块、均衡模块、解调制模块、0,1数据输出单元;其中,光电探测器将接收到的电信号经过上采样模块、时间同步模块、下采样模块后,所述下采样模块的输出信号通过训练序列提取模块后进入最优超平面计算模块,得到最优超平面;所述均衡模块接收最优超平面以及信息序列,以FFE结构计算每个码元到超平面的距离并判决,实现对接收数字信号的补偿;补偿后的数字信号通过解调制模块、0,1数据输出单元后输出,实现用户数据的接收。
支持向量机(SVM)是一种基于统计学习理论的机器学习方法。SVM通过在特征空间上构建一个最优超平面,该最优超平面满足不同类别的点到超平面的最小距离最大化,利用最优超平面对数据进行分类。SVM最大的优点在于,只需要少量的训练样本,即可获得良好的分类能力。而均衡过程本身可以看作对发生畸变的信号,通过一些特定的算法回归到最初的信号,从而进行正确的分类。从而,可以将机器学习中的分类方法,灵活的运用到均衡当中。因此,本发明考虑用SVM来改进电域上的均衡算法性能。
本发明的均衡算法,基于SVM与FFE的原理,将FFE的结构与SVM结合,可以更好地提升算法的性能。同时考虑到光纤信道并非严格的时不变信道,每隔一定长度的信息序列,插入一段训练序列,接收端每均衡完一定长度的信息序列,重新计算最优超平面。得益于SVM算法的高效性,即使多次计算最优超平面,依旧可以非常快的完成均衡。
与现有技术相比,本发明具有如下的有益效果:
1、本发明与传统的基于自适应算法的DFE、FFE相比,可以在更小的训练序列开支下,得到更好的均衡结果,能较大降低接收机灵敏度要求。
2、本发明的算法性能受抽头数、训练序列开支以及插入间隔影响小,即使用较小的抽头数与训练序列开支也能保证优秀的误码率,降低了信息冗余度。
3、本发明的算法效率相比与传统DFE、FFE更高,均衡速度更快。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为低成本高速率NG-PON的应用系统示意图。
图2为基于FFE-SVM计算最优超平面的原理示意图。
图3为基于最优超平面的FFE均衡原理示意图。
图4为低成本光传输系统经过20km标准单模光纤传输后,在不同信道均衡算法下的BER性能对比图,图中:横轴为接收端的光功率,纵轴是BER表示误码率大小,取1x10^-3下的BER作为接收机灵敏度,FFE-SVM为本发明算法的一个实例,DFE和FFE是传统基于自适应算法的均衡方法。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示,本实施例提供了一种用于NG-PON的改进SVM均衡系统,包括:光NRZ信号发射模块、接收模块以及光纤,所述光NRZ信号发射模块将包含训练序列的光NRZ信号通过光纤发送至接收模块,由所述接收模块将光信号转化为相应的电信号,并提取出包含的训练序列,获取由训练序列计算的最优超平面以及最后判决得到的均衡后的信息数据。
光NRZ信号发射模块包括:由连续波激光器与低带宽调制器组成的光调制模块、电NRZ信号生成模块;光调制模块包括:连续波激光器与低带宽调制器,其中,电NRZ信号生成模块的输出端连接至由连续波激光器驱动的低带宽光调制器,实现光NRZ信号的产生。
电NRZ信号生成模块包括:高速率脉冲模式发生器、训练序列发生器、训练序列插入模块、高速率NRZ调制模块、低通滤波器;所述高速率脉冲模式发生器连接至训练序列插入模块,每隔一定的长度插入由训练序列发生器所产生的训练序列,所述训练序列插入模块的输出端与高速率NRZ调制模块相连,产生高速率数字信号,NRZ调制模块的输出端连接至低通滤波器,滤去信号的高频部分,最终产生可用于低带宽光调制模块的电NRZ信号。
光接收模块包括:光电探测器、上采样模块、时间同步模块、下采样模块、训练序列提取模块、最优超平面计算模块、均衡模块、解调制模块、0,1数据输出单元;其中,光电探测器将接收到的电信号经过上采样模块、时间同步模块、下采样模块后,所述下采样模块的输出信号通过训练序列提取模块后进入最优超平面计算模块,得到最优超平面;所述均衡模块接收最优超平面以及信息序列,以FFE结构计算每个码元到超平面的距离并判决,实现对接收数字信号的补偿;补偿后的数字信号通过解调制模块、0,1数据输出单元后输出,实现用户数据的接收。
本实施例了一种用于低成本高速NG-PON系统的改进SVM的均衡方法,基于前向反馈的结构,将前后码元当作当前码元的特征值,构建每个码元的特征值向量,当训练序列接收完以后,通过支持向量机中的SMO算法得到最优超平面,然后将需要均衡的数据通过超平面进行正确的分类,实现信道均衡;具体地,包括以下步骤:
步骤1:每隔一定长度插入训练序列,将包含训练序列的数据提供给高速NRZ调制模块,产生电NRZ信号,并进行电光转换,生成高速光NRZ信号;
步骤2:高速光NRZ信号通过光纤传输,到达接收端,通过光电探测器完成电NRZ的转换;
步骤3:对电NRZ进行上采样,时间同步后,进行下采样;
步骤4:提取训练序列,并为每个训练序列构建特征值向量,然后利用SMO算法计算出最优超平面;
步骤5:利用最优超平面基于FFE结构对信息序列进行判决,实现均衡;
步骤6:每隔一定长度的信息序列,返回步骤4。
更进一步地,对下文需使用的术语先进行介绍:
1)、NRZ是指非归零码,是一种常用的基带传输信号,具有实现成本低的特点。
2)、基于FFE结构的第n个码元的特征值向量可以描述为:
其中,xn表示当前码元,xn-(L-1)/2,…,xn-1表示先前码元,xn-1,…,xn+(L-1)/2表示后续码元。
3)、超平面是N维欧氏空间中余维度等于一的线性子空间,一个超平面可以描述为;
其中,为超平面的法向量,b为位移,描述超平面到原点的距离。
4)、SMO是用来求解SVM中最优超平面问题的一种二次规划算法;
步骤1在生成高速率的电NRZ信号前,每隔N个信号插入长度一定的训练序列,所述训练序列是一种(0,1)伪随机序列,由训练序列发生器生成,发送端和接收端采用参数一致的训练序列发生器就可以产生同样的序列,训练序列和需要传输的数字信号一起经过高速率NRZ调制模块,生成电NRZ信号;将高速率NRZ信号经过一个低通滤波器,滤去信号高频部分,最后连接至低带宽的光调制器,从而生成包含训练序列的光NRZ信号。
光调制器,可以为直接光调制器,如EML;也可以为基于光载波的外调制模块(激光作为光载波驱动外调制器),如MZM。
步骤1中,高速率NRZ调制模块,为NRZ模式的脉冲发生器,可以将数字信号调制成电NRZ脉冲。
步骤2包括:将步骤1输出的光NRZ信号通过光纤传输至接收端,光纤输出端的连接到光电探测器,光电探测器输出电NRZ信号。
光电探测器包括:光电二极管,也可以为雪崩二极管;光纤为标准单模光纤。
步骤3中,上采样过程,采样速率应高于数据速率,且为数据速率的整数倍;
步骤4包括:提取训练序列,先基于FFE的结构,取若干个前后码元当作当前训练码元的特征值,组成特征值向量,该长度为码间串扰的长度,可以取多,保存所有训练序列的特征值向量。将构建的训练序列特征值向量,与接收端训练序列发生器重新产生的原始训练序列(后者为前者的正确判决结果)一起作为SMO算法的输入,计算出最优超平面。
步骤5包括:将步骤4中获得的最优超平面的法向量,当作FFE的各抽头系数,即用SMO算法替代传统的自适应算法得到最优抽头系数,信息序列按照FFE的结构,经过抽头延时器与超平面法向量相乘,累加后,得到每个点到超平面的距离,进行判决,判决结果即为均衡输出。
步骤5包括:由于信道并不是严格的时不变信道,因此每N个信息序列均衡完后,返回步骤4重新提取训练序列并重新计算最优超平面。
本发明基于FFE和SVM算法进行信道均衡,其算法主要分为两步。首先计算最优超平面如图2所示,主要包含以下几个步骤:
步骤1:提取出来的导频数据,按照FFE的结构,依次输入到若干个抽头延时器中,组成正中间码元的特征值向量,依次保存训练序列的所有特征值向量,直到训练序列输入完毕;
步骤2:接收端的训练序列发生器重新生成原始训练序列,与特征值向量一一对应,作为SMO算法的输入;
步骤3:SMO算法根据输入,计算出最优超平面,并提供给均衡模块。
基于最优超平面的均衡模块如图3所示,主要包含以下几个步骤:
步骤1:信息序列经过若干个抽头延迟器,每个码元分别与超平面提供的法向量中的对应的系数相乘,并将结果累加;
步骤2:将累加结果与最优超平面的位移相加,得到点到超平面的距离;
步骤3:判决,若点到超平面的距离为正,则判决为1,若为负,则判决为-1;
步骤4:每判决完一定长度的信息序列,重新接收训练序列,并重新计算最优超平面。
本实施例验证FFE-SVM算法参数为:训练序列长度为400,训练序列插入间隔为40000,特征值向量长度为9。信号采用NRZ-OOK调制,上采样率为32,信息序列加训练序列总长为125000。DFE和FFE采用的自适应算法为梯度最小二乘(RLS),训练长度为2000。
图4为低成本光传输系统经过20km标准单模光纤传输后,使用不同信道均衡算法下的BER性能对比图,图中:横轴为接收端的光功率,单位是dBm,纵轴是BER表示误码率大小,单位是dB,取1x10^-3下的BER作为接收机灵敏度,FFE-SVM为本发明算法的一个实例,DFE和FFE是传统基于自适应算法的均衡方法。可以看到本发明的算法要明显优于传统DFE和FFE的性能。
综上所述,采用本发明基于改进结构的FFE-SVM的均衡算法,可以更明显的补偿带宽限制所造成的ISI。相比于传统DFE和FFE所需要的训练序列长度更低,且均衡效果更优,同时运算复杂度也更低,对参数要求不高。因此,本发明的算法,能较好应用于低成本高速率光网络的需求。
本发明用于低成本高速率NG-PON的改进SVM的均衡方法,包括:首先在发送端每隔一定长度的信息序列插入训练序列,然后在接收端,基于支持向量机(SVM)中的SMO算法,并改进其特征向量的构成,得到最优超平面,然后将需要均衡的数据通过超平面进行正确的分类,每隔一定的长度,重新接收训练序列并更新最优超平面,最终实现均衡。本发明解决了用低带宽器件传输高速率信号时由于带宽限制所引入的信号畸变、码间串扰等造成系统的接收灵敏度下降的问题。同时,可以极大程度的降低均衡的开支、计算复杂度,因而可用于下一代高速低成本的NG-PON系统。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种用于NG-PON的改进SVM均衡方法,其特征在于,包括如下步骤:
步骤1:每隔设定长度,对需要传输的数字信号中插入训练序列,经过高速率NRZ调制产生电NRZ信号,将包含训练序列的高速率电NRZ信号转换成光NRZ信号;
步骤2:将光NRZ信号传输至接收端,并将接收的光NRZ信号转化为电NRZ信号;
步骤3:对电NRZ信号进行上采样,时间同步后,进行下采样;
步骤4:提取训练序列,并为每个训练序列构建特征值向量,计算最优超平面;
步骤5:利用最优超平面,对信息序列进行判决,实现均衡;
步骤6:每隔设定长度的信息序列,返回步骤4。
2.根据权利要求1所述的用于NG-PON的改进SVM均衡方法,其特征在于,所述步骤1:在生成高速率的电NRZ信号前,每隔N个信号插入所述的训练序列,所述训练序列是一种(0,1)伪随机序列,训练序列和需要传输的数字信号一起经过高速率NRZ调制模块生成电NRZ信号;将高速率电NRZ信号经过一低通滤波器,滤去信号高频部分,最后连接至低带宽的光调制器,从而生成包含训练序列的光NRZ信号。
3.根据权利要求2所述的用于NG-PON的改进SVM均衡方法,其特征在于,所述的光调制器包括:马赫曾德尔调制器与连续波激光器或电子吸收调制激光器;步骤2中,利用光电探测器将接收的光NRZ信号转化为电NRZ信号;所述的光电探测器选自:光电二极管或雪崩二极管。
4.根据权利要求1所述的用于NG-PON的改进SVM均衡方法,其特征在于,步骤3中:上采样过程中,采样速率应高于数据速率,且为数据速率的整数倍。
5.根据权利要求1所述的用于NG-PON的改进SVM均衡方法,其特征在于,所述步骤4包括:在提取训练序列的同时,基于FFE的结构,取若干个前后码元当作当前训练码元的特征值,组成特征值向量,长度为码间串扰的长度,保存所有训练序列的特征值向量。
6.根据权利要求1或6所述的用于NG-PON的改进SVM均衡方法,其特征在于,步骤5具体如下:取步骤4中获得的最优超平面的法向量,作为FFE的各抽头系数,信息序列按照FFE的结构,经过抽头延时器与超平面法向量相乘,累加得到每个点到超平面的距离,进行判决,判决结果即为均衡输出。
7.一种用于NG-PON的改进SVM均衡系统,其特征在于,包括:光NRZ信号发射模块、接收模块以及光纤,所述光NRZ信号发射模块将包含训练序列的光NRZ信号通过光纤发送至接收模块,由所述接收模块将光信号转化为电信号,并提取出包含的训练序列,获取由训练序列计算的最优超平面以及判决得到均衡后的信息数据。
8.根据权利要求7所述的用于NG-PON的改进SVM均衡系统,其特征在于,所述光NRZ信号发射模块包括:由连续波激光器与低带宽调制器组成的光调制模块、电NRZ信号生成模块;电NRZ信号生成模块的输出端连接至光调制模块。
9.根据权利要求8所述的用于NG-PON的改进SVM均衡系统,其特征在于,所述的电NRZ信号生成模块包括:数字信号模块、训练序列发生器、训练序列插入模块、高速率NRZ调制模块、低通滤波器;所述数字信号模块连接训练序列插入模块,每隔设定的长度插入由训练序列发生器所产生的训练序列,所述训练序列插入模块的输出端与高速率NRZ调制模块相连,产生高速率NRZ信号,所述高速率NRZ调制模块的输出端连接至低通滤波器,滤去信号的高频部分,最终产生可用于低带宽光调制模块的电NRZ信号。
10.根据权利要求8所述的用于NG-PON的改进SVM均衡系统,其特征在于,所述的接收模块包括:低带宽光电探测器、上采样模块、时间同步模块、下采样模块、训练序列提取模块、最优超平面计算模块、均衡模块、解调制模块、0,1数据输出单元;
其中,光电探测器将接收到的电信号经过上采样模块、时间同步模块、下采样模块后,所述下采样模块的输出信号通过训练序列提取模块后进入最优超平面计算模块,得到最优超平面;所述均衡模块接收最优超平面以及信息序列,以FFE结构计算每个码元到超平面的距离并判决,实现对接收数字信号的均衡;均衡后的数字信号通过解调制模块、0,1数据输出单元后输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711338018.2A CN108123908B (zh) | 2017-12-14 | 2017-12-14 | 一种用于ng-pon的改进svm均衡方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711338018.2A CN108123908B (zh) | 2017-12-14 | 2017-12-14 | 一种用于ng-pon的改进svm均衡方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108123908A true CN108123908A (zh) | 2018-06-05 |
CN108123908B CN108123908B (zh) | 2020-10-27 |
Family
ID=62229990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711338018.2A Active CN108123908B (zh) | 2017-12-14 | 2017-12-14 | 一种用于ng-pon的改进svm均衡方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108123908B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965178A (zh) * | 2018-06-29 | 2018-12-07 | 苏州大学 | 基于机器学习的智能自适应均衡器及均衡解调方法 |
CN109672517A (zh) * | 2018-12-20 | 2019-04-23 | 杭州电子科技大学 | 基于细胞神经网络的ofdm-pon系统的加密及解密方法 |
CN109740690A (zh) * | 2019-01-10 | 2019-05-10 | 杭州电子科技大学 | 用于短距离光通信的基于特征工程的knn均衡算法 |
CN109818889A (zh) * | 2019-02-19 | 2019-05-28 | 杭州电子科技大学 | 用于高阶pam光传输系统中的svm分类器优化的均衡算法 |
CN110020695A (zh) * | 2019-04-19 | 2019-07-16 | 杭州电子科技大学 | 用于滤波器组多载波调制光通信系统的K-means非均匀量化算法 |
CN110808968A (zh) * | 2019-10-25 | 2020-02-18 | 新华三信息安全技术有限公司 | 网络攻击检测方法、装置、电子设备和可读存储介质 |
CN110958500A (zh) * | 2019-11-22 | 2020-04-03 | 烽火通信科技股份有限公司 | 一种信号接收方法及系统 |
CN111313971A (zh) * | 2020-02-28 | 2020-06-19 | 杭州电子科技大学 | 一种用于IMDD短距离光通信系统改进的Lightgbm均衡系统及方法 |
CN112054977A (zh) * | 2020-09-16 | 2020-12-08 | 湖南工商大学 | 一种基于功率谱整形的光传输方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110194855A1 (en) * | 2010-02-09 | 2011-08-11 | Nec Laboratories America, Inc. | Superimposed training and digital filtering coherent optical receivers |
CN102204133A (zh) * | 2011-05-31 | 2011-09-28 | 华为技术有限公司 | 光信号处理方法及装置 |
CN103095614A (zh) * | 2013-01-24 | 2013-05-08 | 电子科技大学 | 一种突发相干光纤通信中的联合均衡和频偏估计装置 |
CN103812806A (zh) * | 2014-02-24 | 2014-05-21 | 北京大学 | 一种基于时域信道估计的信道均衡方法和系统 |
CN104331635A (zh) * | 2014-11-24 | 2015-02-04 | 国网吉林省电力有限公司信息通信公司 | 电力光纤通信光功率预测的方法 |
CN105515650A (zh) * | 2015-11-24 | 2016-04-20 | 华中科技大学 | 基于光谱特征的光信号调制格式识别方法 |
CN105698916A (zh) * | 2016-03-01 | 2016-06-22 | 深圳艾瑞斯通技术有限公司 | 光纤振动模型确定方法以及光纤预警装置、系统 |
CN106301575A (zh) * | 2016-08-29 | 2017-01-04 | 深圳艾瑞斯通技术有限公司 | 一种光纤振动信号的分类方法及装置及光纤传感系统 |
-
2017
- 2017-12-14 CN CN201711338018.2A patent/CN108123908B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110194855A1 (en) * | 2010-02-09 | 2011-08-11 | Nec Laboratories America, Inc. | Superimposed training and digital filtering coherent optical receivers |
CN102204133A (zh) * | 2011-05-31 | 2011-09-28 | 华为技术有限公司 | 光信号处理方法及装置 |
CN103095614A (zh) * | 2013-01-24 | 2013-05-08 | 电子科技大学 | 一种突发相干光纤通信中的联合均衡和频偏估计装置 |
CN103812806A (zh) * | 2014-02-24 | 2014-05-21 | 北京大学 | 一种基于时域信道估计的信道均衡方法和系统 |
CN104331635A (zh) * | 2014-11-24 | 2015-02-04 | 国网吉林省电力有限公司信息通信公司 | 电力光纤通信光功率预测的方法 |
CN105515650A (zh) * | 2015-11-24 | 2016-04-20 | 华中科技大学 | 基于光谱特征的光信号调制格式识别方法 |
CN105698916A (zh) * | 2016-03-01 | 2016-06-22 | 深圳艾瑞斯通技术有限公司 | 光纤振动模型确定方法以及光纤预警装置、系统 |
CN106301575A (zh) * | 2016-08-29 | 2017-01-04 | 深圳艾瑞斯通技术有限公司 | 一种光纤振动信号的分类方法及装置及光纤传感系统 |
Non-Patent Citations (1)
Title |
---|
王伊达: "基于10GEPON的光接入网物理层结构及调制格式研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965178B (zh) * | 2018-06-29 | 2021-03-02 | 苏州大学 | 基于机器学习的智能自适应均衡器及均衡解调方法 |
CN108965178A (zh) * | 2018-06-29 | 2018-12-07 | 苏州大学 | 基于机器学习的智能自适应均衡器及均衡解调方法 |
CN109672517A (zh) * | 2018-12-20 | 2019-04-23 | 杭州电子科技大学 | 基于细胞神经网络的ofdm-pon系统的加密及解密方法 |
CN109672517B (zh) * | 2018-12-20 | 2021-07-27 | 杭州电子科技大学 | 基于细胞神经网络的ofdm-pon系统的加密及解密方法 |
CN109740690A (zh) * | 2019-01-10 | 2019-05-10 | 杭州电子科技大学 | 用于短距离光通信的基于特征工程的knn均衡算法 |
CN109818889A (zh) * | 2019-02-19 | 2019-05-28 | 杭州电子科技大学 | 用于高阶pam光传输系统中的svm分类器优化的均衡算法 |
CN109818889B (zh) * | 2019-02-19 | 2021-12-28 | 杭州电子科技大学 | 用于高阶pam光传输系统中的svm分类器优化的均衡算法 |
CN110020695A (zh) * | 2019-04-19 | 2019-07-16 | 杭州电子科技大学 | 用于滤波器组多载波调制光通信系统的K-means非均匀量化算法 |
CN110808968A (zh) * | 2019-10-25 | 2020-02-18 | 新华三信息安全技术有限公司 | 网络攻击检测方法、装置、电子设备和可读存储介质 |
CN110958500A (zh) * | 2019-11-22 | 2020-04-03 | 烽火通信科技股份有限公司 | 一种信号接收方法及系统 |
CN111313971A (zh) * | 2020-02-28 | 2020-06-19 | 杭州电子科技大学 | 一种用于IMDD短距离光通信系统改进的Lightgbm均衡系统及方法 |
CN111313971B (zh) * | 2020-02-28 | 2021-06-22 | 杭州电子科技大学 | 一种用于IMDD短距离光通信系统改进的Lightgbm均衡系统及方法 |
CN112054977A (zh) * | 2020-09-16 | 2020-12-08 | 湖南工商大学 | 一种基于功率谱整形的光传输方法及装置 |
CN112054977B (zh) * | 2020-09-16 | 2022-05-27 | 湖南工商大学 | 一种基于功率谱整形的光传输方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108123908B (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108123908A (zh) | 一种用于ng-pon的改进svm均衡方法及系统 | |
US8532502B2 (en) | Filter coefficient adjustment apparatus | |
CN109039472B (zh) | 一种基于深度学习的数据中心光通信色散估计与管理方法 | |
CN106537817B (zh) | 光通信网络中非线性发送器的损伤补偿 | |
CN108494488B (zh) | 用于短距离光通信系统的基于dfe的svm均衡方法 | |
CN109740690A (zh) | 用于短距离光通信的基于特征工程的knn均衡算法 | |
Li et al. | Convolutional neural network-aided DP-64 QAM coherent optical communication systems | |
CN112598072A (zh) | 基于SVM训练的权重系数迁移的改进Volterra滤波器的均衡方法 | |
CN109818889A (zh) | 用于高阶pam光传输系统中的svm分类器优化的均衡算法 | |
Chen et al. | 50-km C-band transmission of 50-Gb/s PAM4 using 10-G EML and complexity-reduced adaptive equalization | |
CN108521384B (zh) | 用于低带宽高速光通信的最大化方差数据选择的svm均衡方法及系统 | |
CN114285715B (zh) | 基于双向gru-条件随机场的非线性均衡方法 | |
CN115765876A (zh) | 一种基于改进lstm非线性均衡器的概率整形信号均衡方法 | |
CN105991196A (zh) | 一种数据预编码器、系统以及编码方法 | |
CN109891820B (zh) | 眼图的解偏斜方法及装置 | |
Xi et al. | Simplified SVM equalization algorithm based on single hyperplane training enabled 50Gb/s PAM-4/8 with 10-G optics in NG-PON system | |
Zhang et al. | Convolutional neural network equalizer for Short-reach optical communication systems | |
CN106130643A (zh) | 一种高速光通信系统电色散补偿方法 | |
CN114124223B (zh) | 一种卷积神经网络光纤均衡器生成方法及系统 | |
CN116094604A (zh) | 一种基于光子卷积处理器的光通信非线性补偿系统 | |
CN113938198B (zh) | 光纤传输系统、基于lda简化非线性均衡器的方法及模块 | |
Binh et al. | MLSE equalizers for frequency discrimination receiver of MSK óptical transmission system | |
Wang et al. | Low-complexity nonlinear equalizer based on artificial neural network for 112 Gbit/s PAM-4 transmission using DML | |
CN114866145B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
Reza et al. | 30-Gb/s PAM-8 transmission with directly-modulated laser using machine learning equalizer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |