CN111541484A - 基于延时采样的光纤通信系统光信噪比监测方法 - Google Patents

Abstract

本发明公开了一种基于延时采样的光纤通信系统光信噪比监测方法。本发明一种基于延时采样的光纤通信系统光信噪比监测方法，包括：基于延时采样方法，将接收到的信号等分并对其中一路延时，分别将两次幅度采样的值作为x轴与y轴数据，做二维散点图，当光信噪比变化时，二维散点图发生展宽，对二维散点图中随光信噪比变化而变化明显的部分区域进行直方图拟合。本发明所述的光信噪比监测方法具有下列优点：该方法基于延时采样技术与异步幅度图技术相结合来提取特征值，提取特征值的过程更加简单，将提取到的特征值输入到人工神经网络实现精确监测光信噪比，不需要通过复杂的公式来计算光信噪比且不需要复杂的神经网络进行训练。

Description

基于延时采样的光纤通信系统光信噪比监测方法

技术领域

本发明涉及不同调制格式的光纤通信系统中的光信噪比监测方法，并且更具体地涉及如何基于延时采样技术获取采样信号，并采用异步幅度图提取信号的特征值，将特征值输入到人工神经网络，通过不断优化神经网络训练模型来提高输出结果的准确性和稳定性，以实现光通信系统的光信噪比监测。

背景技术

随着光纤通信不断发展，灵活性、可扩展性和可靠性被认为是未来认知光网络所需的关键因素，弹性无源光网络被认为是未来最有发展前景的光纤网络之一。与相干光通信相比，光纤通信中的直调直检系统由于光纤传输中的低成本和低复杂度受到研究者的青睐。直调直检系统的优点：结构简单，只需要一个激光器，一个调制器，一个光电转换器，成本低，适用于短距离传输。

光纤通信系统中的光信号容易受到多种传输损伤，光信号的传输质量主要由光信噪比决定，光信噪比与误码率直接相关。因此，光信噪比成为了光通信系统中最重要的监测参数之一。

发明内容

本发明要解决的技术问题是提供一种基于延时采样的光纤通信系统光信噪比监测方法，提出将延时采样与异步幅度直方图技术相结合实现信号特征值的提取，将特征值输入到人工神经网络中提高输出结果的准确性和稳定性，实现有效监测不同调制格式的光纤通信系统的光信噪比的功能。

为了解决上述技术问题，本发明提供了一种基于延时采样的光纤通信系统光信噪比监测方法，包括：

基于延时采样方法，将接收到的信号等分并对其中一路延时，分别将两次幅度采样的值作为x轴与y轴数据，做二维散点图，当光信噪比变化时，二维散点图发生展宽，对二维散点图中随光信噪比变化而变化明显的部分区域进行直方图拟合；

选取二维散点图中高电平和低电平处的区域进行幅度直方图拟合，在不同的光信噪比条件下得到对应的幅度直方图，将幅度直方图中的纵坐标作为特征值输入到人工神经网络中，通过大量数据的不断训练与优化，使得神经网络能够准确地监测光信噪比。

本发明的有益效果：

该方法基于延时采样技术与异步幅度图技术相结合来提取特征值，提取特征值的过程更加简单，将提取到的特征值输入到人工神经网络实现精确监测光信噪比，不需要通过复杂的公式来计算光信噪比且不需要复杂的神经网络进行训练。

该方法能够实现NRZ-OOK、PAM4、RZ-DPSK调制格式的光纤通信系统的光信噪比监测，适用性较高。

在其中一个实施例中，所述神经网络结构为输入层、两层隐含层和输出层；输入层的特征值是拟合幅度直方图对应的纵坐标，输入层神经元的个数与特征值的个数相同，输出层的神经元只有一个，输出结果为光信噪比。

在其中一个实施例中，输出层的激活函数使用的是Relu函数。

在其中一个实施例中，选取部分数据集作为训练集用来训练神经网络，剩下的数据集作为测试集用来测试模型训练结束后的效果，实现适用于不同调制格式的光纤通信系统光信噪比监测。

在其中一个实施例中，隐含层的激活函数使用的是sigmoid函数。

在其中一个实施例中，两层隐含层神经元的个数分别为45和10。

在其中一个实施例中，“将接收到的信号等分并对其中一路延时”中，所述接收到的信号产生方法如下：

将数据信号映射为NRZ-OOK、RZ-DPSK和PAM4的调制信号，通过任意波形发生器进行数模转换，经过马赫曾德调制器调制后光信号先经过第一级光纤放大器放大，然后经过光纤传输，光衰减器用来调节光信噪比，衰减后的光信号经过第二级光纤放大器进行功率放大，传输信号在接收端先经过光带通滤波器进行滤波，经过光电探测器转换为电信号，电信号经过低通滤波器滤除带外噪声。

基于同样的发明构思，本申请还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。

基于同样的发明构思，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。

基于同样的发明构思，本申请还提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。

附图说明

图1是本发明基于延时采样的光纤通信系统光信噪比监测方法中的不同调制格式的光纤通信系统光信噪比监测实验装置图。

图2是本发明基于延时采样的光纤通信系统光信噪比监测方法中的基于延时采样的二维散点图。

图3是本发明基于延时采样的光纤通信系统光信噪比监测方法中的基于二维散点图拟合的异步幅度直方图。

图4是本发明基于延时采样的光纤通信系统光信噪比监测方法中的人工神经网络模型。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

延时采样法通过使用光域或电域延时的方法，对高速光信号的一个比特周期内的不同位置进行两次幅度采样，二者之间具有固定的延迟时间差τ。传输信号在接收端经过光带通滤波器进行滤波，光电探测器转换电信号后低通滤波器滤除带外噪声，最后将信号等分并对其中一路延时，分别将两次幅度采样的值作为x轴与y轴数据，做二维散点直方图，得到延时采样相图以反映被采样高速光信号的波形质量信息。延时采样相图虽然无法直观的显示信号的时域信息，例如脉冲周期，占空比等，但是相图反映了高速光信号两组延迟采样值之间的相关性。通过引入τ延迟，其取值通常小于信号比特周期，使得相图和眼图相比，更能反映光信号的单个比特周期之内和相邻比特周期之间的波形状态和过渡点分布信息。

异步幅度图能用来评估信号的质量，且对光信噪比及色散和偏振膜色散等光纤损伤有很高灵敏度。若随机采样点数足够多，异步幅度图为比特周期的脉冲幅度分布，基于异步幅度图的光性能监测方案，无需恢复时钟信息和高速采样单元，只要低速电子器件和简单的光电探测器，不仅实现成本低，且可靠性高、灵敏度高。又由于异步幅度图的比特率透明性，这使得其能很好地应用在下一代可重构光网络中，实现下一代光网络比特率的透明传输。

人工神经网络(Artificial Neural Network，即ANN)，是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互连接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。人工神经网络具有从多层感知器中自主学习并提取数据特征的能力，通过不断训练能够使用复杂函数实现输入层到输出层数据的映射。

基于延时采样与异步幅度图技术相结合

基于延时采样方法，将接收到的信号等分并对其中一路延时，分别将两次幅度采样的值作为x轴与y轴数据，做二维散点图，分析可知，当光信噪比变化时，二维散点图发生展宽，本专利中对二维散点图中随光信噪比变化而变化明显的部分区域进行直方图拟合。

通过人工神经网络进行光信噪比监测

本专利选取二维散点图中高电平和低电平处的区域进行幅度直方图拟合，在不同的光信噪比条件下得到对应的幅度直方图，将幅度直方图中的纵坐标作为特征值输入到人工神经网络中，通过大量数据的不断训练与优化，使得神经网络能够准确地监测光信噪比。

如图1所示，本发明所述不同调制格式的光纤通信系统光信噪比监测实验装置图。本发明实施例中采用的不同调制格式为NRZ-OOK、RZ-DPSK和PAM4。将数据信号映射为NRZ-OOK、RZ-DPSK和PAM4的调制信号，通过任意波形发生器进行数模转换，经过马赫曾德调制器调制后光信号先经过第一级光纤放大器放大，然后经过光纤传输，光衰减器用来调节光信噪比，衰减后的光信号经过第二级光纤放大器进行功率放大，传输信号在接收端先经过光带通滤波器进行滤波，经过光电探测器转换为电信号，电信号经过低通滤波器滤除带外噪声，最后将信号等分并对其中一路延时，然后对接收到的两路信号进行离线处理。

如图2所示，接收端的信号等分并对其中一路延时，分别将两次幅度采样的值作为x轴与y轴数据，做二维散点图。为减小测量误差，拟合的点数应该尽量多的包含OSNR所引起散点图变化的区域。据此，可尝试选取二维散点图中高电平和低电平处的区域进行分析，以提高测量精度。以散点图中心点为中心，对角线Z旋转角度α，分别可得到与散点图高低信号电平的交叉区域，即为所需区域。

如图3所示，沿着对角线Z进行采样，对分布于对角线上的采样对进行高斯拟合，可得到双峰直方图。进一步分析旋转角度α的取值，当角度不断增大时，直方图拟合出现非高斯的情况，测量误差很大，通过数据分析,当α小于2是可行的。为了减少测量误差，拟合点的数量应尽可能多的包含由OSNR引起的散点图变化的区域。因此，角度选择为2°时进行拟合。具体的二维散点图和拟合直方图的处理过程通过matlab实现，得到的幅度直方图有80个bins，对应的纵坐标为最终信号的特征值，即80个特征值输入到人工神经网络中实现光信噪比监测。

如图4所示，本发明中采用的神经网络结构为输入层，两层隐含层，输出层，输入层的特征值是拟合幅度直方图对应的纵坐标，输入层神经元的个数与特征值的个数相同为80，两层隐含层神经元的个数分别为45和10，隐含层的激活函数使用的是sigmoid函数，输出层的激活函数使用的是Relu函数，输出层的神经元只有一个，输出结果为光信噪比。实验中选取部分数据集作为训练集用来训练神经网络，剩下的数据集作为测试集用来测试模型训练结束后的效果，实现适用于不同调制格式的光纤通信系统光信噪比监测。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，包括：

基于延时采样方法，将接收到的信号等分并对其中一路延时，分别将两次幅度采样的值作为x轴与y轴数据，做二维散点图，当光信噪比变化时，二维散点图发生展宽，对二维散点图中随光信噪比变化而变化明显的部分区域进行直方图拟合；

选取二维散点图中高电平和低电平处的区域进行幅度直方图拟合，在不同的光信噪比条件下得到对应的幅度直方图，将幅度直方图中的纵坐标作为特征值输入到人工神经网络中，通过不断训练与优化，使得神经网络能够准确地监测光信噪比。

2.如权利要求1所述的基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，所述神经网络结构为输入层、两层隐含层和输出层；输入层的特征值是拟合幅度直方图对应的纵坐标，输入层神经元的个数与特征值的个数相同，输出层的神经元只有一个，输出结果为光信噪比。

3.如权利要求2所述的基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，输出层的激活函数使用的是Relu函数。

4.如权利要求2所述的基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，选取部分数据集作为训练集用来训练神经网络，剩下的数据集作为测试集用来测试模型训练结束后的效果，实现适用于不同调制格式的光纤通信系统光信噪比监测。

5.如权利要求2所述的基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，隐含层的激活函数使用的是sigmoid函数。

6.如权利要求2所述的基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，两层隐含层神经元的个数分别为45和10。

7.如权利要求1所述的基于延时采样的光纤通信系统光信噪比监测方法，其特征在于，“将接收到的信号等分并对其中一路延时”中，所述接收到的信号产生方法如下：

将数据信号映射为NRZ-OOK、RZ-DPSK和PAM4的调制信号，通过任意波形发生器进行数模转换，经过马赫曾德调制器调制后光信号先经过第一级光纤放大器放大，然后经过光纤传输，光衰减器用来调节光信噪比，衰减后的光信号经过第二级光纤放大器进行功率放大，传输信号在接收端先经过光带通滤波器进行滤波，经过光电探测器转换为电信号，电信号经过低通滤波器滤除带外噪声。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到7任一项所述的方法。

Images