CN110971295B - 光纤非线性噪声监测装置以及光接收机 - Google Patents
光纤非线性噪声监测装置以及光接收机 Download PDFInfo
- Publication number
- CN110971295B CN110971295B CN201811142976.7A CN201811142976A CN110971295B CN 110971295 B CN110971295 B CN 110971295B CN 201811142976 A CN201811142976 A CN 201811142976A CN 110971295 B CN110971295 B CN 110971295B
- Authority
- CN
- China
- Prior art keywords
- noise
- received signal
- amplitude
- signal
- optical
- 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.)
- Active
Links
Images
Classifications
-
- 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
- H04B10/077—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using a supervisory or additional signal
- H04B10/0775—Performance monitoring and measurement of transmission parameters
-
- 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
- H04B10/0799—Monitoring line transmitter or line receiver equipment
-
- 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
- H04B10/61—Coherent receivers
- H04B10/616—Details of the electronic signal processing in coherent optical receivers
- H04B10/6163—Compensation of non-linear effects in the fiber optic link, e.g. self-phase modulation [SPM], cross-phase modulation [XPM], four wave mixing [FWM]
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Nonlinear Science (AREA)
- Quality & Reliability (AREA)
- Optical Communication System (AREA)
Abstract
本发明实施例提供一种光纤非线性噪声监测方法、装置以及光接收机,该方法包括:获取训练集,该训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;计算该接收信号样本对应的光纤非线性噪声统计值;根据该光纤非线性噪声统计值对该接收信号样本的该多个振幅噪声特征值进行标记;将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为该噪声监测模型的目标输出,使用预定算法,利用该训练集中的样本对该噪声监测模型进行训练,得到训练后的噪声监测模型;将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到该待测接收信号对应的光纤非线性噪声统计值。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种光纤非线性噪声监测方法、装置、光接收机。
背景技术
近些年来,随着流量和流向不确定性高的网络业务的持续快速增长,对光传输网络的带宽和管理有了越来越高的要求,这极大地推动了以智能光网络技术为代表的下一代光纤通信网络的发展。
智能光网络是一个灵活的,动态的,可软件定义的光网络,它要求物理层网络也须是动态灵活的,以应对动态的流量需求,而这依赖于传输信号的质量信息进行路由决策和规划来实现。光性能监测技术是监测和诊断传输信号损伤的重要技术,光纤非线性噪声作为影响传输信号质量的主要因素之一,对其进行准确有效的监测意义重大:例如,当某个线路信号质量下降时,通过准确的光纤非线性噪声监测技术可以帮助排除质量下降是否是链路光纤非线性噪声过大导致;在进行动态路由分配时,通过光纤非线性噪声监测技术可以预先判断该路由线路的光纤非线性噪声是否处于设计容限之内等。近年来,由于机器学习在图像识别、自然语言处理和数据挖掘等领域取得了巨大成功,研究人员也开始将机器学习作为一种研究手段应用于光通信领域。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
目前,光纤非线性噪声的监测手段主要基于符号间的相关函数实现,例如,利用相邻符号间振幅噪声相关函数的和,以及诸如链路总色散,信道数目等链路参数作为特征值输入人工神经网络得到光纤非线性噪声的统计值,该方法需要依赖于链路参数,但由于链路参数很难被光接收机获取,因此,该方法的实施有很大的限制,并且,由于对振幅噪声相关函数进行求和运算会丢失部分有用信息,因此导致光纤非线性噪声的监测结果精度有限。
本发明实施例提供一种光纤非线性噪声监测方法、装置、光接收机,该方法无需将链路参数作为输入特征,实现简单,另外,不对多个振幅噪声特征值进行求和运算,可以提高光纤非线性噪声监测结果的准确度。
根据本发明实施例的第一方面,提供一种光纤非线性噪声监测装置,该装置包括:
获取单元,其用于获取训练集,该训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;
特征提取单元,其用于计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
计算单元,其用于计算该接收信号样本对应的光纤非线性噪声统计值;
标记单元,其用于根据该光纤非线性噪声统计值对该接收信号样本的该多个振幅噪声特征值进行标记;
训练单元,其用于将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为该噪声监测模型的目标输出,使用预定算法,根据该训练集中的样本对该噪声监测模型进行训练,得到训练后的噪声监测模型;
监测单元,其用于将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到该待测接收信号对应的光纤非线性噪声统计值。
根据本发明实施例的第二方面,提供一种光纤非线性噪声监测方法,该方法包括:
获取训练集,该训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;
计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
计算该接收信号样本对应的光纤非线性噪声统计值;
根据该光纤非线性噪声统计值对该接收信号样本的该多个振幅噪声特征值进行标记;
将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为该噪声监测模型的目标输出,使用预定算法,根据该训练集中的样本对该噪声监测模型进行训练,得到训练后的噪声监测模型;
将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到所述待测接收信号对应的光纤非线性噪声统计值。
根据本发明实施例的第三方面,提供一种光接收机,包括根据本发明实施例的第一方面所述的装置。
根据本发明实施例的第四方面,提供一种光通信系统,包括根据本发明实施例的第三方面所述的光接收机。
本发明的有益效果在于:通过预先在不同的仿真场景下获得的接收信号作为样本,仅根据接收信号样本中提取的多个振幅噪声特征值作为噪声监测模型的输入特征,使用机器学习的方法对噪声监测模型进行训练,并利用该模型监测光纤非线性噪声;由此无需将链路参数作为输入特征,实现简单,另外,不对多个振幅噪声特征值进行求和运算,可以提高光纤非线性噪声监测结果的准确度。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例1的光纤非线性噪声监测方法流程图;
图2是本发明实施例1的振幅噪声特征值计算示意图;
图3是本发明实施例1的振幅噪声特征值计算示意图;
图4是本发明实施例2的光纤非线性噪声监测装置的示意图;
图5是本发明实施例2的光纤非线性噪声监测装置硬件示意图;
图6是本发明实施例3的光接收机的示意图;
图7是本发明实施例3的光接收机的示意图;
图8是本发明实施例3的光接收机的示意图;
图9是本发明实施例4的光通信系统的示意图;
图10是本发明实施例4的光通信系统的示意图。
具体实施方式
在本发明实施例中,术语“第一”、“第二”等用于对不同元素从称谓上进行区分,但并不表示这些元素的空间排列或时间顺序等,这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在,但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本发明实施例中,单数形式“一”、“该”等包括复数形式,应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义;此外术语“所述”应理解为既包括单数形式也包括复数形式,除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”,术语“基于”应理解为“至少部分基于……”,除非上下文另外明确指出。
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本实施例提供一种光纤非线性噪声监测方法,图1是该方法流程图,如图1所示,该方法包括:
步骤101,获取训练集,该训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;
步骤102,计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
步骤103,计算该接收信号样本对应的光纤非线性噪声统计值;
步骤104,根据该光纤非线性噪声统计值对该接收信号样本的该多个振幅噪声特征值进行标记;
步骤105,将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为该噪声监测模型的目标输出,使用预定算法,根据该训练集中的样本对该噪声监测模型进行训练,得到训练后的噪声监测模型;
步骤106,将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到该待测接收信号对应的光纤非线性噪声统计值。
在本实施例中,可以通过步骤101在仿真环境下预先收集对应不同传输场景的接收信号作为训练集中的样本,该仿真传输场景参数包括:信道数目、入射功率、传输距离、光纤类型、光纤跨段组合、信道信号的调制格式与波特率,链路是否包含可重构光分插复用器(ROADM),链路色散补偿比例等。
在本实施例中,上述参数的配置方式可以参考现有技术,例如,光纤跨段组合可以配置为等距或不等距,或等距不等距的组合,光纤类型可以配置为一种光纤类型或多种光纤类型的组合,该光纤类型包括普通单模光纤(SMF)和非零色散位移光纤 (NZDSF)等,信道信号的调制格式可以配置为正交幅度调制(QAM)或相移键控 (PSK)等,包含ROADM场景可以配置为待测信道邻道的信号负载、调制格式或波特率发生变化等,信道数目、入射功率、传输距离,链路色散补偿比例,信道信号的波特率可以配置为具体的数值,信道信号的调制格式与波特率还可以被配置为邻道与中心信道信号具有相同或不同的调制格式等。
在本实施例中,可以通过软件仿真上述传输场景,例如使用现有VPI仿真软件搭建相干光纤传输系统,为该相干光纤传输系统配置至少两种不同的传输场景,其中,不同的仿真传输场景表示其包含的上述参数种类完全不同,或部分不同,和/或所有参数或部分参数配置的值不同,例如,在其他系统参数配置的值相同的情况下,链路色散补偿比例参数配置不同,例如一个仿真传输为色散不补偿链路(等效为链路色散补偿比例为零),另一个为色散补偿链路(链路色散补偿比例为非零值),上述两个仿真传输场景表示不同的仿真传输场景;或者,例如,在两个仿真传输场景一个包含 ROADM场景,另一个为不包含ROADM场景,上述两个仿真传输场景表示不同的仿真传输场景;或者,例如在其他系统参数配置的值相同的情况下,两个仿真传输场景所配置的信道数目、入射功率以及传输距离不同,其中一个仿真传输场景的信道数目为X1,等距的光纤跨段组合,传输距离为S1,另一个仿真传输场景的信道数目为 X2,不等距的光纤跨段组合,传输距离为S1,光纤跨段组合配置分别为等距和不等距,P1与P2不同,即便两个仿真传输场景的传输距离相同,但该两个仿真传输场景属于不同的仿真传输场景。对于不同的仿真传输场景的示例并不限于上述实施方式,此处不再一一列举。
在本实施例中,在每个仿真传输场景下获得的接收信号构成一个接收信号样本,针对不同的仿真传输场景,可以获得不同的接收信号样本,所有的接收信号样本构成步骤101中的训练集。
在本实施例中,在步骤101后,该方法还可以包括:(未图示)对接收信号样本进行数字信号处理,以便步骤102中可以提取更加准确的特征值,该数字信号处理可以包含格拉姆-施密特正交化(GSOP),归一化重采样,色散补偿,恒模算法自适应均衡和偏振解复用,频偏补偿,载波相位恢复中的至少一种,该数字信号处理的过程可以参考现有技术,此处不再赘述。
在本实施例中,发射信号经过该仿真传输场景后得到的接收信号受到收发机噪声和光纤非线性噪声的干扰,可选的,也可以仿真增加放大器自发辐射(ASE)噪声的干扰,也可以不增加放大器自发辐射(ASE)噪声的干扰,这些噪声对信号造成的失真很相似,不能单纯地通过计算误差矢量幅度或频谱分析的方式来提取光纤非线性噪声分量,而由于ASE和收发机噪声是白噪声,对于时间序列上不同符号是不相关的,而光纤非线性噪声在相邻若干符号间具有相关性,因此,本实施例步骤102-106将该相关性作为特征,将仿真传输场景下计算得到的光纤非线性噪声作为标记来标记不同的特征,利用该特征和对应的标记来训练噪声监测模型,该模型可以建立起特征和标记的对应关系,特征作为模型的输入,标记作为模型的输出,即根据该模型以及输入的特征即可以获得该特征的标记,即获得对应该特征的光纤非线性噪声。
在本实施例中,在计算步骤102中的样本的特征值时,为了使得该特征值更贴近实际测试接收信号的特征值,因此,可以在仿真时加入ASE噪声,使得该接收信号样本受到收发机噪声和光纤非线性噪声以及ASE噪声的干扰,但本实施例并不以此作为限制,也可以不加入该ASE噪声,该接收信号样本仅受到收发机噪声和光纤非线性噪声。在本实施例中,在计算步骤103中的统计值时,可以使用未受到ASE噪声影响的接收信号样本来计算,由此,可以获得准确的光纤非线性噪声统计值。
在本实施例中,步骤102和103可以先后执行,本实施例不限定执行顺序,也可以同时执行。
在本实施例中,由于光纤非线性噪声在相邻若干符号间具有相关性,因此,将多(L)个振幅噪声特征值作为监测光纤非线性噪声的特征值,该振幅噪声特征值包括振幅噪声协方差,该振幅噪声协方差的数量L根据光纤非线性噪声导致的符号间振幅自相关长度确定,例如,可以根据需要选择预定数量L个自相关量。
在步骤102的一个实施方式中,可以根据该接收信号样本计算该振幅噪声协方差;图2是该振幅噪声协方差计算方法示意图,如图2所示,可以利用如下公式1) 先计算振幅噪声,再利用如下公式2)计算振幅噪声协方差。
ANCij(m)=cov[ΔAi/j(k),ΔAi/j(k+m)]for i,j∈{x,y} 公式2)
其中m表示振幅噪声协方差间隔的符号个数,m的最大值可以根据需要确定,例如m为[1,L]之间的整数,L大于1,例如L取6,但本实施例并不以此作为限制。当i=j时,ANCij(m)表示单个偏振态的振幅噪声协方差;当i≠j时,ANCij(m)表示两个偏振态之间的振幅噪声协方差,ANCij(1),ANCij(2),…,ANCij(M)(i≠j)和 ANCij(0),ANCij(1),ANCij(2),…,ANCij(M)(i=j)作为步骤102中计算的多个振幅噪声特征值。
在步骤102的另一个实施方式中,可以根据该接收信号样本和该发射信号计算该振幅噪声协方差。图3是该振幅噪声协方差计算方法示意图,如图3所示,可以在发射信号的帧结构中插入周期性的训练序列,根据该周期性对接收信号进行同步,根据该周期性的训练序列和接收信号计算振幅噪声,根据振幅噪声计算振幅噪声协方差。该周期性训练序列可以是具有恒模特性的恒包络零自相关(CAZAC)序列或M-PSK 导频序列或码字已知的M-QAM信号,可以利用如下公式3)先计算振幅噪声,再利用公式2)计算振幅噪声协方差。
ΔAx/y(k)=|rx/y(k)|-|sx/y(k)| 公式3)
其中rx/y(k)表示经过接收信号样本经过数字信号处理(载波相位恢复)后的第k个符号,|sx/y(k)|表示训练序列第k个符号的模值。
在本实施例中,该振幅噪声协方差采用对数值表示和/或采用线性值表示,即可以将该公式2)计算得到的振幅噪声协方差ANCij(m)直接作为噪声监测模型的输入,也可以将该公式2)计算得到的振幅噪声协方差取对数,将该对数值logANCij(m)作为噪声监测模型的输入,经过对数处理后,便于输入和输出数据的拟合,可以加快训练过程。
在本实施例中,可以根据信号的调制方式确定如何计算振幅噪声协方差,例如,对于M-PSK信号,所有发射信号具有相同的模值,无需同步,即无需插入训练序列就可以直接计算振幅噪声协方差,对于M-QAM信号,可以采用上述图3中的方式,进行同步处理后使用公式3)和2)计算振幅噪声协方差。
以上仅示例说明如何计算振幅噪声协方差,其计算的方法不限于此,现有技术中计算该振幅噪声协方差的方法都可以应用于本实施例中,本实施例并不以此作为限制。
在本实施例中,将ANCij(1),ANCij(2),…,ANCij(M)作为步骤102中计算的多个振幅噪声特征值,或者将logANCij(1),logANCij(2),…,logANCij(M)作为步骤 102中计算的多个振幅噪声特征值,即作为噪声监测模型的输入,而不需要将上述多个振幅噪声特征值求和后,将该和作为噪声监测模型的输入,由此,不会因为该求和的运算丢失部分有用信息,将该多个振幅噪声特征值作为噪声监测模型的输入可以充分利用全部有效信息,提高噪声监测的准确度,另外,由于仅将该多个振幅噪声特征值作为噪声监测模型的输入,而不需要结合其他链路参数(例如信道数目或链路总色散等)作为噪声监测模型的输入,因此,该方法实现简单。
在本实施例中,该接收信号样本对应的光纤非线性噪声统计值可以衡量光纤非线性噪声对信号干扰程度的大小,该统计值也是本申请监测的对象,例如,该统计值可以包括:归一化的光纤非线性噪声功率,光纤非线性噪信比或光纤非线性信噪比。
在本实施例中,在步骤103中,可以先计算光纤非线性噪声,再获得上述统计值,例如,可以计算上述接收信号样本和对应的发射信号的复信号误差的第一方差以及光背靠背场景下的接收信号和所述对应的发射信号的复信号误差的第二方差;根据所述第一方差和第二方差的差计算该光纤非线性噪声统计值,具体可以参考如下公式4):
N=[Var(r1-s)|Without ASE-Var(r2-s)|B2B]) 公式4)
其中,复信号r1表示经过数字信号处理后的接收信号样本,其不受ASE噪声干扰(如果在提取特征值时使用的是受ASE噪声干扰的接收信号样本,在步骤103中,需要将该ASE噪声去除后重新获得该接收信号样本,如果在提取特征值时使用的是不受ASE噪声干扰的接收信号样本,在步骤103中可以使用相同的接收信号样本作为r1),复信号r2表示光背靠背场景下经过数字信号处理后的接收信号,复信号s表示与r1或r2相对应的发射信号,Var(r-s)|Without ASE表示无ASE噪声条件下接收信号样本相比发射信号误差的方差(第一方差),Var(r-s)|B2B表示光背靠背场景下接收信号相比发射信号误差的方差(第二方差)。该第一方差和第二方差的计算方法可以参考现有技术,此处不再赘述。
在本实施例中,可以将N进行归一化处理,得到统计值,可以将N与E<|r1|2>的比值,即光纤非线性噪信比,作为该统计值,或者也可以将E<|r1|2>与NE<|r1|2>的比值,即光纤非线性信噪比,作为该统计值,本实施例并不以此作为限制,其中,E<|r1|2> 表示接收信号样本r1的平均功率。
在本实施例中,通过步骤102和103的计算,获得了训练集中每个接收信号样本的多个振幅噪声特征值I,以及对应的光纤非线性噪声统计值O,在步骤104中,根据该光纤非线性噪声统计值O对该接收信号样本的该多个振幅噪声特征值I进行标记;换句话说,将光纤非线性噪声统计值O作为标签,标记的对象是该多个振幅噪声特征值I,针对训练集中的至少两个(W个)接收信号样本,可以得到W个光纤非线性噪声统计值O1,O2,…,OW,以及W组振幅噪声特征值I1,I2,…,IW,将 O1,O2,…,OW作为标签,分别标记I1,I2,…,IW,即特征值I1的标签是O1,特征值I2的标签是O2,…,特征值IW的标签是OW。
在本实施例中,将每个接收信号样本的I和O作为一个训练数据对,由此可以获得至少两个(W个)训练数据对,使用该W个训练数据对,根据预定算法对噪声监测模型进行训练,其中,将I作为噪声监测模型的输入,将O作为噪声监测模型的输出,得到训练后的噪声监测模型,其中,该噪声监测模型是反映样本特征(多个振幅噪声特征值)和样本标签(光纤非线性噪声统计值)对应关系的模型,该预定算法是机器学习的算法,例如可以是现有的支持向量机回归,或人工神经网络等方法,具体训练的过程可以参考现有技术,此处不再赘述。
在本实施例中,在步骤106中,可以从实际的光接收机中获得待测接收信号,对该待测接收信号进行数字信号处理后,使用步骤102中的方法计算经过处理后待测接收信号的多个振幅噪声特征值,或者,也可以从实际的光接收机中直接获得经过数字信号处理后的待测接收信号,使用步骤102中的方法计算经过处理后待测接收信号的多个振幅噪声特征值,本实施例并不以此作为限制,该待测接收信号由于是实际光接收机接收的信号,因此,受到收发机噪声、ASE噪声以及光纤非线性噪声的干扰。
在本实施例中,使用步骤102中的方法,计算待测接收信号的多个振幅噪声特征值,将待测接收信号的多个振幅噪声特征值,作为步骤105得到的训练后的噪声监测模型的输入,得到噪声监测模型的输出,即为该待测接收信号对应的光纤非线性噪声统计值。
通过上述实施例,通过预先在不同的仿真场景下获得的接收信号作为样本,仅根据接收信号样本中提取的多个振幅噪声特征值作为噪声监测模型的输入特征,使用机器学习的方法对噪声监测模型进行训练,并利用该模型监测光纤非线性噪声;由此无需将链路参数作为输入特征,实现简单,另外,不对多个振幅噪声特征值进行求和运算,可以提高光纤非线性噪声监测结果的准确度。
实施例2
本实施例2还提供一种光纤非线性噪声监测装置,其对应于实施例1的光纤非线性噪声监测方法。图4是本发明实施例2中光纤非线性噪声监测装置结构示意图。如图4所示,该装置400包括:
获取单元401,其用于获取训练集,该训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;
特征提取单元402,其用于计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
计算单元403,其用于计算该接收信号样本对应的光纤非线性噪声统计值;
标记单元404,其用于根据该光纤非线性噪声统计值对该接收信号样本的该多个振幅噪声特征值进行标记;
训练单元405,其用于将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为该噪声监测模型的目标输出,使用预定算法,根据该训练集中的样本对该噪声监测模型进行训练,得到训练后的噪声监测模型;
监测单元406,其用于将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到该待测接收信号对应的光纤非线性噪声统计值。
在本实施例中,获取单元401,特征提取单元402,计算单元403,标记单元404,训练单元405,监测单元406的实施方式可以参考实施例1中步骤101~106,此处不再赘述。
在本实施例中,仿真传输场景的实施方式可以参考实施例1,此处不再赘述。
在本实施例中,可选的,该装置还可以包括:(未图示)处理单元,其用于对接收信号样本进行数字信号处理,其具体实施方式可以参考实施例1,此处不再赘述。
在本实施例中,该装置可以设置在光接收机中,也可以独立于光接收机设置,待测接收信号可以是光接收机的接收信号,该装置400可以从该光接收机获取该接收信号作为待测接收信号,将该待测接收信号经过该装置400的处理单元处理后,由特征提取单元402计算该处理后的待测接收信号的多个振幅噪声特征值,监测单元406根据计算结果,得到该待测接收信号对应的光纤非线性噪声统计值;或者,该待测接收信号也可以是光接收机的接收信号经过光接收机的数字信号处理后的信号,该装置 400可以从该光接收机获取经过光接收机数字信号处理后的信号作为待测接收信号,无需经过装置400的处理单元,直接由特征提取单元402计算该处理后的待测接收信号的多个振幅噪声特征值,监测单元406根据计算结果,得到该待测接收信号对应的光纤非线性噪声统计值,该待测接收信号也可以由装置400中的获取单元401从光接收机中获取,以上示例由装置400中的特征提取单元402计算该待测接收信号的多个振幅噪声特征值,但本实施例并不以此作为限制,也可以在光接收机中,或其他装置中设置一个计算模块计算该待测接收信号的多个振幅噪声特征值,直接将计算结果输入至装置400的监测单元406中,得到该待测接收信号对应的光纤非线性噪声统计值。
在本实施例中,发射信号经过该仿真传输场景后受到收发机噪声和光纤非线性噪声的干扰;发射信号经过该仿真传输场景后不受到ASE噪声的干扰,或者受到放大器自发辐射(ASE)噪声的干扰。
在本实施例中,振幅噪声特征值包括振幅噪声协方差,该振幅噪声协方差的数量根据光纤非线性噪声导致的符号间振幅自相关长度确定,该振幅噪声协方差采用对数值表示和/或采用线性值表示。
在本实施例中,特征提取单元102根据该接收信号样本计算该振幅噪声协方差,或者,根据该接收信号样本和该发射信号计算该振幅噪声协方差,其具体可以参考实施例中公式1)-3),此处不再赘述。
例如,该特征提取单元102可以在发射信号的帧结构中插入周期性的训练序列,根据该周期性对接收信号进行同步,根据该周期性的训练序列和接收信号计算振幅噪声,根据振幅噪声计算振幅噪声协方差。
在本实施例中,该光纤非线性噪声统计值包括:归一化的光纤非线性噪声功率,光纤非线性噪信比或光纤非线性信噪比。
在本实施例中,该计算单元402计算该接收信号样本和对应的发射信号的复信号误差的第一方差以及光背靠背场景下的接收信号和该对应的发射信号的复信号误差的第二方差;根据该第一方差和第二方差的差计算该光纤非线性噪声统计值,具体可以参考实施例1,此处不再赘述。
图5是本实施例的光纤非线性噪声监测装置结构示意框图。如图5所示,该装置500可以包括中央处理器501和存储器502;存储器502耦合到中央处理器501。值得注意的是,该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在一个实施方式中,实施例2所述的装置400的功能可以被集成到中央处理器 501中,实现实施例1所述的方法。
例如,该中央处理器501可以被配置为:
在另一个实施方式中,实施例2所述的装置400可以与中央处理器501分开配置,例如可以将该装置配置为与中央处理器501连接的芯片,通过中央处理器501的控制来实现实施例2所述的装置400的功能。
如图5所示,该装置500还可以包括:通信模块503等,用于从光接收机中获取待测接收信号。值得注意的是,装置500也并不是必须要包括图5中所示的所有部件;此外,装置500还可以包括图5中没有示出的部件,可以参考现有技术。
如图5所示,中央处理器501有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器501接收输入并控制装置500的各个部件的操作。
其中,存储器502,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存各种信息,此外还可存储执行有关信息的程序。并且中央处理器501可执行该存储器502存储的该程序 530,以实现信息存储或处理等。其他部件的功能与现有类似,此处不再赘述。终端设备1500的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本发明的范围。
通过上述实施例,通过预先在不同的仿真场景下获得的接收信号作为样本,仅根据接收信号样本中提取的多个振幅噪声特征值作为噪声监测模型的输入特征,使用机器学习的方法对噪声监测模型进行训练,并利用该模型监测光纤非线性噪声;由此无需将链路参数作为输入特征,实现简单,另外,不对多个振幅噪声特征值进行求和运算,可以提高光纤非线性噪声监测结果的准确度。
实施例3
本实施例3还提供一种光接收机,图6是本发明实施例3的光接收机的示意图。如图6所示,该光接收机600包括光纤非线性噪声监测装置601,该光纤非线性噪声监测装置601的结构与功能与实施例2中装置400的记载相同,此处不再赘述。
图7是本发明实施例3的光接收机的系统构成的示意框图。如图7所示,光接收机700包括:
前端,其作用是将输入的光信号转换为两个偏振态上的基带信号。
如图7所示,该前端包括:本振激光器710、光混频器(Optical 90deg hybrid)701、光电检测器(O/E)702、704、706和708、模数转换器(ADC)703、705、707 和709、色散补偿器711、均衡器712以及光纤非线性噪声监测装置713,其中,光纤非线性噪声监测装置713的结构与功能与实施例2中的装置400记载相同,该装置 713获取经过光接收机700数字信号处理后的待测接收信号,计算多个振幅噪声特征值,得到光纤非线性噪声统计值;本振激光器710用于提供本地光源,光信号经光混频器(Optical 90deg hybrid)701、光电检测器(O/E)702和704、模数转换器(ADC) 703和705转换为一个偏振态上的基带信号;该光信号经光混频器(Optical 90deg hybrid)701、光电检测器(O/E)706和708、模数转换器(ADC)707和709转换为另一个偏振态上的基带信号;其具体过程与现有技术类似,此处不再赘述。
此外,如果频差和相位噪声对光纤非线性噪声的估计有影响,光接收机700中也可以包括频差补偿器和相位噪声补偿器(图中未示出)。
图8是本发明实施例3的光接收机的系统构成的示意框图。如图8所示,光接收机800包括:
前端,其作用是将输入的光信号转换为两个偏振态上的基带信号。
如图8所示,该前端包括:本振激光器810、光混频器(Optical 90deg hybrid)801、光电检测器(O/E)802、804、806和808、模数转换器(ADC)803、805、807 和809、色散补偿器811、均衡器812以及光纤非线性噪声监测装置813,其中,光纤非线性噪声监测装置813的结构与功能与实施例2中的装置400记载相同,该装置 813获取经过光接收机800未经数字信号处理后的待测接收信号,由装置813的处理单元对获取的待测接收信号进行数字信号处理,计算多个振幅噪声特征值,得到光纤非线性噪声统计值;本振激光器810用于提供本地光源,光信号经光混频器(Optical 90deg hybrid)801、光电检测器(O/E)802和804、模数转换器(ADC)803和805 转换为一个偏振态上的基带信号;该光信号经光混频器(Optical90deg hybrid)801、光电检测器(O/E)806和808、模数转换器(ADC)807和809转换为另一个偏振态上的基带信号;其具体过程与现有技术类似,此处不再赘述。
此外,如果频差和相位噪声对光纤非线性噪声的估计有影响,光接收机800中也可以包括频差补偿器和相位噪声补偿器(图中未示出)。
通过上述实施例,通过预先在不同的仿真场景下获得的接收信号作为样本,仅根据接收信号样本中提取的多个振幅噪声特征值作为噪声监测模型的输入特征,使用机器学习的方法对噪声监测模型进行训练,并利用该模型监测光纤非线性噪声;由此无需将链路参数作为输入特征,实现简单,另外,不对多个振幅噪声特征值进行求和运算,可以提高光纤非线性噪声监测结果的准确度。
实施例4
本实施例还提供一种光通信系统。图9是本发明实施例4的光通信系统的示意图。如图9所示,通信系统900包括光发射机901、光纤传输链路902以及光接收机903,其中,光接收机903的结构与功能与实施例3中的记载相同,此处不再赘述。光发射机901,光纤传输链路902可采用现有的结构。
本实施例还提供一种光通信系统。图10是本发明实施例4的光通信系统的示意图。如图10所示,通信系统1000包括光发射机1001、光纤传输链路1002、光接收机1003、以及光纤非线性噪声检测装置1004,其中,光纤非线性噪声检测装置1004 的结构与功能与实施例2中的记载相同,其从光接收机1003获取经过光纤传输链路 1302后的待测接收信号,或经过光接收机1003数字信号处理后的待测接收信号此处不再赘述。光发射机1001,光纤传输链路1002,光接收机1003可采用现有的结构。
本发明实施例还提供一种计算机可读程序,其中当在光纤非线性噪声监测装置或光接收机中执行所述程序时,所述程序使得计算机在所述光纤非线性噪声监测装置或光接收机中执行实施例1所述的光纤非线性噪声监测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在光纤非线性噪声监测装置或光接收机中执行实施例1所述的光纤非线性噪声监测方法。
结合本发明实施例描述的在光纤非线性噪声监测装置或光接收机中执行光纤非线性噪声监测方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图4-9中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图1所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列 (FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM 存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(例如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对图4-9描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图4-9描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种光纤非线性噪声监测装置,其中,所述装置包括:
获取单元,其用于获取训练集,所述训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;
特征提取单元,其用于计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
计算单元,其用于计算所述接收信号样本对应的光纤非线性噪声统计值;
标记单元,其用于根据所述光纤非线性噪声统计值对所述接收信号样本的所述多个振幅噪声特征值进行标记;
训练单元,其用于将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为所述噪声监测模型的目标输出,使用预定算法,根据所述训练集中的样本对所述噪声监测模型进行训练,得到训练后的噪声监测模型;
监测单元,其用于将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到所述待测接收信号对应的光纤非线性噪声统计值。
2、根据附记1所述的装置,其中,所述仿真传输场景参数包括:信道数目、入射功率、传输距离、光纤类型、光纤跨段组合、信道信号的调制格式与波特率,链路是否包含可重构光分插复用器(ROADM),链路色散补偿比例。
3、根据附记1所述的装置,其中,所述发射信号经过所述仿真传输场景后受到收发机噪声和光纤非线性噪声的干扰;
所述发射信号经过所述仿真传输场景后不受到ASE噪声的干扰,或者受到放大器自发辐射(ASE)噪声的干扰。
4、根据附记1所述的装置,其中,所述振幅噪声特征值包括振幅噪声协方差,所述振幅噪声协方差的数量根据光纤非线性噪声导致的符号间振幅自相关长度确定。
5、根据附记4所述的装置,其中,所述特征提取单元根据所述接收信号样本计算所述振幅噪声协方差,或者,根据所述接收信号样本和所述发射信号计算所述振幅噪声协方差。
6、根据附记5所述的装置,其中,所述特征提取单元在发射信号的帧结构中插入周期性的训练序列,根据所述周期性对接收信号进行同步,根据所述周期性的训练序列和接收信号计算振幅噪声,根据振幅噪声计算振幅噪声协方差。
7、根据附记1所述的装置,其中,所述光纤非线性噪声统计值包括:归一化的光纤非线性噪声功率,光纤非线性噪信比或光纤非线性信噪比。
8、根据附记5所述的装置,其中,所述振幅噪声协方差采用对数值表示和/或采用线性值表示。
9、根据附记1所述的装置,其中,所述计算单元计算所述接收信号样本和对应的发射信号的复信号误差的第一方差以及光背靠背场景下的接收信号和所述对应的发射信号的复信号误差的第二方差;根据所述第一方差和第二方差的差计算所述光纤非线性噪声统计值。
10、一种光接收机,包括根据附记1所述的装置。
11、一种光纤非线性噪声监测方法,其中,所述方法包括:
获取训练集,所述训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过不同的仿真传输场景后获得的;
计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
计算所述接收信号样本对应的光纤非线性噪声统计值;
根据所述光纤非线性噪声统计值对所述接收信号样本的所述多个振幅噪声特征值进行标记;
将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为所述噪声监测模型的目标输出,使用预定算法,根据所述训练集中的样本对所述噪声监测模型进行训练,得到训练后的噪声监测模型;
将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到所述待测接收信号对应的光纤非线性噪声统计值。
12、根据附记11所述的方法,其中,所述仿真传输场景参数包括:信道数目、入射功率、传输距离、光纤类型、光纤跨段组合、信道信号的调制格式与波特率,链路是否包含可重构光分插复用器(ROADM),链路色散补偿比例。
13、根据附记11所述的方法,其中,所述发射信号经过所述仿真传输场景后受到收发机噪声和光纤非线性噪声的干扰;
所述发射信号经过所述仿真传输场景后不受到ASE噪声的干扰,或者受到放大器自发辐射(ASE)噪声的干扰。
14、根据附记11所述的方法,其中,所述振幅噪声特征值包括振幅噪声协方差,所述振幅噪声协方差的数量根据光纤非线性噪声导致的符号间振幅自相关长度确定。
15、根据附记14所述的方法,其中,计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值包括:根据所述接收信号样本计算所述振幅噪声协方差,或者,根据所述接收信号样本和所述发射信号计算所述振幅噪声协方差。
16、根据附记15所述的方法,其中,根据所述接收信号样本和所述发射信号计算所述振幅噪声协方差包括:在发射信号的帧结构中插入周期性的训练序列,根据所述周期性对接收信号进行同步,根据所述周期性的训练序列和接收信号计算振幅噪声,根据振幅噪声计算振幅噪声协方差。
17、根据附记11所述的方法,其中,所述光纤非线性噪声统计值包括:归一化的光纤非线性噪声功率,光纤非线性噪信比或光纤非线性信噪比。
18、根据附记15所述的方法,其中,所述振幅噪声协方差采用对数值表示和/或采用线性值表示。
19、根据附记11所述的方法,其中,计算所述接收信号样本对应的光纤非线性噪声统计值包括:计算所述接收信号样本和对应的发射信号的复信号误差的第一方差以及光背靠背场景下的接收信号和所述对应的发射信号的复信号误差的第二方差;根据所述第一方差和第二方差的差计算所述光纤非线性噪声统计值。
Claims (10)
1.一种光纤非线性噪声监测装置,其中,所述装置包括:
获取单元,其用于获取训练集,所述训练集包括至少两个接收信号样本,其中,不同的接收信号样本是发射信号经过具有不同配置的仿真传输场景后获得的;
特征提取单元,其用于计算经过数字信号处理后的接收信号样本的多个振幅噪声特征值;
计算单元,其用于计算所述接收信号样本对应的光纤非线性噪声统计值;
标记单元,其用于根据所述光纤非线性噪声统计值对所述接收信号样本的所述多个振幅噪声特征值进行标记;
训练单元,其用于将接收信号样本的多个振幅噪声特征值作为噪声监测模型的输入,将其对应的标记作为所述噪声监测模型的目标输出,使用预定算法,根据所述训练集中的样本对所述噪声监测模型进行训练,得到训练后的噪声监测模型;
监测单元,其用于将待测接收信号的多个振幅噪声特征值,输入训练后的噪声监测模型,得到所述待测接收信号对应的光纤非线性噪声统计值。
2.根据权利要求1所述的装置,其中,所述配置中的参数包括:信道数目、入射功率、传输距离、光纤类型、光纤跨段组合、信道信号的调制格式与波特率、链路是否包含可重构光分插复用器(ROADM)以及链路色散补偿比例。
3.根据权利要求1所述的装置,其中,所述发射信号经过所述仿真传输场景后受到收发机噪声和光纤非线性噪声的干扰;
所述发射信号经过所述仿真传输场景后不受到ASE噪声的干扰,或者受到放大器自发辐射(ASE)噪声的干扰。
4.根据权利要求1所述的装置,其中,所述振幅噪声特征值包括振幅噪声协方差,所述振幅噪声协方差的数量根据光纤非线性噪声导致的符号间振幅自相关长度确定。
5.根据权利要求4所述的装置,其中,所述特征提取单元根据所述接收信号样本计算所述振幅噪声协方差,或者,根据所述接收信号样本和所述发射信号计算所述振幅噪声协方差。
6.根据权利要求5所述的装置,其中,所述特征提取单元在发射信号的帧结构中插入周期性的训练序列,根据所述训练序列的周期性特征对接收信号进行同步,根据所述周期性的训练序列和接收信号计算振幅噪声,根据振幅噪声计算振幅噪声协方差。
7.根据权利要求1所述的装置,其中,所述光纤非线性噪声统计值包括:归一化的光纤非线性噪声功率,光纤非线性噪信比或光纤非线性信噪比。
8.根据权利要求5所述的装置,其中,所述振幅噪声协方差采用对数值表示和/或采用线性值表示。
9.根据权利要求1所述的装置,其中,所述计算单元计算所述接收信号样本和对应的发射信号的复信号误差的第一方差以及光背靠背场景下的接收信号和所述对应的发射信号的复信号误差的第二方差;根据所述第一方差和第二方差的差计算所述光纤非线性噪声统计值。
10.一种光接收机,包括根据权利要求1所述的装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142976.7A CN110971295B (zh) | 2018-09-28 | 2018-09-28 | 光纤非线性噪声监测装置以及光接收机 |
US16/577,680 US10917171B2 (en) | 2018-09-28 | 2019-09-20 | Fiber nonlinear noise monitoring method and apparatus and optical receiver |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142976.7A CN110971295B (zh) | 2018-09-28 | 2018-09-28 | 光纤非线性噪声监测装置以及光接收机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110971295A CN110971295A (zh) | 2020-04-07 |
CN110971295B true CN110971295B (zh) | 2023-01-17 |
Family
ID=69946185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811142976.7A Active CN110971295B (zh) | 2018-09-28 | 2018-09-28 | 光纤非线性噪声监测装置以及光接收机 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10917171B2 (zh) |
CN (1) | CN110971295B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7059903B2 (ja) * | 2018-11-14 | 2022-04-26 | 富士通株式会社 | 通信装置、及び通信方法 |
US11309960B2 (en) * | 2019-06-27 | 2022-04-19 | Viavi Solutions Inc. | Measuring linear and non-linear transmission perturbations in optical transmission systems |
CN114337805A (zh) * | 2020-09-29 | 2022-04-12 | 华为技术有限公司 | 信号处理方法、装置及系统 |
CN114520757A (zh) | 2020-11-20 | 2022-05-20 | 富士通株式会社 | 非线性通信系统的性能估计装置及方法、电子设备 |
CN112486722B (zh) * | 2020-12-18 | 2024-02-27 | 江西理工大学 | 一种系统故障检测方法及相关装置 |
CN113177074B (zh) * | 2021-04-02 | 2023-09-29 | 北京科技大学 | 一种提升环境自适应性的光学性能监测系统及方法 |
CN113595637B (zh) * | 2021-09-27 | 2022-01-25 | 清华大学 | 全光感算一体光场智能处理系统及方法 |
CN114137444B (zh) * | 2021-11-29 | 2024-04-02 | 国网山东省电力公司日照供电公司 | 一种基于声信号的变压器运行状态监测方法及系统 |
CN114285468B (zh) * | 2021-12-30 | 2023-08-18 | 烽火通信科技股份有限公司 | 一种相干光模块激光器相位噪声检测方法及装置 |
CN115694710B (zh) * | 2022-10-12 | 2024-05-14 | 香港理工大学深圳研究院 | 双偏振联合信号噪声处理方法和噪声处理装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106571867A (zh) * | 2015-10-12 | 2017-04-19 | 富士通株式会社 | 光信噪比的监测装置、信号发送装置以及接收机 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102088319B (zh) | 2009-12-02 | 2014-04-02 | 华为技术有限公司 | 一种信号损伤补偿方法、装置和光接收机 |
EP2337241B1 (en) | 2009-12-18 | 2013-12-18 | Alcatel Lucent | Carrier phase estimator for non-linear impairment monitoring and mitigation in coherent optical system |
US8861960B2 (en) * | 2012-08-20 | 2014-10-14 | Ciena Corporation | Systems and methods for the compensation of nonlinear cross polarization and cross phase modulation in dual polarization coherent channels |
CN105450295B (zh) * | 2014-07-09 | 2018-09-11 | 富士通株式会社 | 监测光信噪比的装置、发射机和通信系统 |
RU2696560C2 (ru) * | 2015-03-09 | 2019-08-05 | ИСиАй ТЕЛЕКОМ ЛТД. | Способ контроля функционирования каналов и система оптической связи |
CN104967480B (zh) | 2015-07-15 | 2016-12-07 | 北京理工大学 | 采用分数阶傅里叶变换监测光纤链路非线性效应的方法 |
CN107800474A (zh) * | 2016-09-07 | 2018-03-13 | 富士通株式会社 | 噪声强度的检测装置、方法以及相干光接收机 |
US10090920B1 (en) * | 2017-03-17 | 2018-10-02 | Ciena Corporation | Fiber kerr nonlinear noise estimation |
CN107566039A (zh) | 2017-09-04 | 2018-01-09 | 复旦大学 | 一种基于聚类判决的可见光系统非线性补偿方法 |
-
2018
- 2018-09-28 CN CN201811142976.7A patent/CN110971295B/zh active Active
-
2019
- 2019-09-20 US US16/577,680 patent/US10917171B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106571867A (zh) * | 2015-10-12 | 2017-04-19 | 富士通株式会社 | 光信噪比的监测装置、信号发送装置以及接收机 |
Also Published As
Publication number | Publication date |
---|---|
US10917171B2 (en) | 2021-02-09 |
CN110971295A (zh) | 2020-04-07 |
US20200106523A1 (en) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110971295B (zh) | 光纤非线性噪声监测装置以及光接收机 | |
RU2696560C2 (ru) | Способ контроля функционирования каналов и система оптической связи | |
US10090920B1 (en) | Fiber kerr nonlinear noise estimation | |
US11133865B2 (en) | Optical network performance evaluation using a hybrid neural network | |
CN103780519B (zh) | 基于lms的信道均衡和频偏估计联合并行方法 | |
CN107800474A (zh) | 噪声强度的检测装置、方法以及相干光接收机 | |
JP2016019289A (ja) | 光信号雑音比の監視装置、送信機及び通信システム | |
CN106688199A (zh) | 数据辅助色散估计 | |
CN106209222A (zh) | 一种光信噪比监测的方法及装置 | |
CN111541483A (zh) | 基于高阶统计矩的相干光通信系统光信噪比监测方法 | |
Lin et al. | A non-data-aided OSNR estimation algorithm for coherent optical fiber communication systems employing multilevel constellations | |
CN106856461A (zh) | 一种干扰估计方法和设备 | |
CN108933626B (zh) | 一种信号处理方法和装置 | |
CN101764649B (zh) | 基于ica信号分离算法的mgdm多模光纤通信系统及方法 | |
CN114285715B (zh) | 基于双向gru-条件随机场的非线性均衡方法 | |
JP6475574B2 (ja) | クロストーク推定システム及びクロストーク推定方法 | |
CN109728856B (zh) | 光发射机iq不平衡的估计装置、补偿装置及电子设备 | |
Kashi et al. | Artificial neural networks for fiber nonlinear noise estimation | |
CN113364519B (zh) | 一种光性能监测方法、装置、电子设备以及存储介质 | |
WO2022063001A1 (zh) | Aau群时延波动补偿方法、装置、电子设备及存储介质 | |
CN114598581A (zh) | 概率整形信号的双阶段检测模型训练方法、识别方法及装置 | |
Róka et al. | Performance analysis of the FBMC modulation format in optical fiber and wireless communications | |
CN112565142A (zh) | 一种多模式sc-fde突发传输载波同步方法 | |
CN102611520B (zh) | 一种波长标签信息分析装置及分析方法 | |
Wang et al. | A novel modulation format identification based on amplitude histogram space |
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 |