CN111934778A - 一种光纤通信系统中发射端的优化设计方法及系统 - Google Patents
一种光纤通信系统中发射端的优化设计方法及系统 Download PDFInfo
- Publication number
- CN111934778A CN111934778A CN202010628746.2A CN202010628746A CN111934778A CN 111934778 A CN111934778 A CN 111934778A CN 202010628746 A CN202010628746 A CN 202010628746A CN 111934778 A CN111934778 A CN 111934778A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- fiber communication
- transmitting end
- communication system
- performance parameters
- 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
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
- H04B10/50—Transmitters
- H04B10/501—Structural aspects
-
- 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
- H04B10/501—Structural aspects
- H04B10/503—Laser transmitters
- H04B10/504—Laser transmitters using direct 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
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种光纤通信系统中发射端的优化设计方法及系统,通过采集系统性能参数与发射端配置方案信息,并利用机器学习算法建立两者的映射关系,最后结合最优解求解算法,获得系统性能最佳情况下的发射端配置方案。本专利主要从系统配置角度,特别是发射端器件配置角度,结合机器学习算法和最优解求解算法,优化系统整体配置,从而实现提升光纤通信系统性能的目标。本专利所提出的方法可与现有系统进行兼容,发射端和接收端的数字信号处理算法可近乎保持不变,仅仅通过优化系统发射端配置方法,从而实现提升系统性能。
Description
技术领域
本发明属于光纤通信领域,更具体地,涉及一种光纤通信系统中发射端的优化设计方法及系统。
背景技术
随着光纤通信容量不断上升,直调直检系统中单波通信速率可达数百Gb/s,相干系统中单波通信速率可达数Tb/s,在如此高的单波通信速率条件下,发射端的激光器、高频驱动电路、调制器、数模转换器,接收端的光电探测器、模数转换器、跨阻放大器均被设置在非常极限的工作状态,这些器件的配置方法是否最佳,决定着最终光纤通信系统的性能,如通信速率等,能否达到现有器件所能实现的极限。目前,有很多方法集中在发射端或者接收端数字信号处理中,通过采用更复杂的算法,如最大似然判决算法、沃尔泰拉级数均衡器、基于神经网络的均衡器等,对器件非理想所带来的系统性能劣化进行补偿。这些方法在实际系统中较难以实现,目前实际系统中的DSP芯片无法支持过高复杂度的数字信号处理算法。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种光纤通信系统中发射端的优化设计方法及系统,旨在从系统角度优化发射端配置方案,结合机器学习算法和最优解求解算法,获得系统性能参数最佳条件下所对应的发射端配置方案,完成系统优化。
为实现上述目的,本发明一方面提供了一种光纤通信系统中发射端的优化设计方法,包括下述步骤:
步骤一、搭建光纤通信系统,确定系统调制格式;
步骤二、在光纤通信系统的发射端,随机选取一组编码输出值,对应该调制格式下所有的符号可能取值,同时随机选取发射端调制器偏置,记该组编码输出值和调制器偏置为发射端配置方案k;
步骤三、在光纤通信系统的接收端采集发射端配置方案k条件下的系统输出性能参数。记为性能参数m;
步骤四、重复步骤二到三,测量大量不同发射端配置方案情况下,系统输出性能参数,至少需要测量1000次以上;
步骤五、利用机器学习,建立发射端配置方案到系统输出性能参数的映射关系;
步骤六、利用最优解求解算法,求解系统输出性能参数取得最佳值所对应的发射端配置方案,完成光纤通信系统的优化设计,提升光纤通信系统的整体性能。
其中,所搭建的光纤通信系统在整个系统优化过程中必须固定。特别的,除发射端配置方案外,发射端的结构、发射端的数字信号处理算法、接收端的结构、接收端的数字信号处理算法、传输链路等必须固定不变。
优选地,随机选取的编码输出值必须一一对应到该系统调制格式下所有的符号可能取值。例如,调制格式定为PAM-4,那么符号取值一共有四种情况,分别记为PAM1、PAM2、PAM3、PAM4,编码输出值必须将二进制0101数据映射成四种输出值,分别对应PAM1、PAM2、PAM3、PAM4。
优选地,随机选取调制器偏置时,应在系统正常工作的范围内进行随机选取。
优选地,接收端采集的系统输出性能参数必须能够反应该光纤通信系统的性能。特别的,接收端采集的系统输出性能参数可以是误码率,也可以是时域上处理得到的信噪比,或者是通过光谱仪采集得到的光信噪比等,还可以是上述三种或多种的组合。
优选地,步骤四中,必须采集足够多数据,确保步骤五中机器学习能正常获取发射端配置方案与系统输出性能参数的映射关系。
优选地,步骤五中,可以同时采用多种机器学习方法,并利用步骤四收集的数据进行训练与测试,最后从多种机器学习方法中,选取精度最高的方法,为步骤六所用。特别的,可以采用卷积神经网络、高斯回归过程等机器学习方法。如果所有的机器学习方法都无法利用利用步骤四收集的数据完成训练与测试,那么应当返回步骤四,继续采集更多数据。
优选地,步骤六中,最优解求解算法应当根据步骤五得到的发射端配置方案与系统输出性能参数之间的映射关系,可能求解得到全局最优解,也可能是局部最优解。此时需要调整最优解求解算法及参数,尽可能获取全局最优解。特别的,最优解求解算法可以采用最速梯度下降法、粒子群算法等。若最优解求解算法无法得到单一最优解,或在一定发射端配置方案的范围内,系统输出性能参数无明显变化,那么最优解求解算法只需给出发射端配置方案的最优解范围即可。
通过本发明所构思的以上技术方案,与现有技术相比,能够取得以下有益效果:
1、本发明提供的光纤通信系统中发射端的优化设计方法主要从系统配置角度,特别是发射端器件配置角度,结合机器学习算法和最优解求解算法,优化系统整体配置,从而实现提升光纤通信系统性能的目标;
2、本发明提供的光纤通信系统中发射端的优化设计方法可与现有系统进行兼容,发射端和接收端的数字信号处理算法可近乎保持不变,仅仅通过优化系统发射端配置方法,从而实现提升系统性能。
附图说明
图1是本发明提供的光纤通信系统中发射端的优化设计方法的流程示意图;
图2是本发明构建的光纤通信系统的结构框图;
图3是本发明实施例提供的光纤通信系统中发射端的结构框图;
图4是本发明另一实施例提供的光纤通信系统中发射端的结构框图;
图5是本发明又一实施例提供的光纤通信系统中发射端的结构框图;
图6是本发明实施例提供的光纤通信系统中接收端的结构框图;
图7是本发明另一实施例提供的光纤通信系统中接收端的结构框图;
图8是本发明又一实施例构建的光纤通信系统的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间不构成冲突就可以相互组合。
本发明提供了一种光纤通信系统中发射端的优化设计方法,如图1所示,包括下述步骤:
步骤一、搭建如图2所示的光纤通信系统,确定系统调制格式,在具体的实施例中,发射端可以采用图3至图5所给出的结构,接收机可以采用图6至图7所给出的结构;
步骤二、在光纤通信系统的发射端,随机选取一组编码输出值,对应该调制格式下所有的符号可能取值,同时随机选取发射端调制器偏置,记该组编码输出值和调制器偏置为发射端配置方案k;
步骤三、在光纤通信系统的接收端采集发射端配置方案k条件下的系统输出性能参数。记为性能参数m;
步骤四、重复步骤二到三,测量大量不同发射端配置方案情况下,系统输出性能参数,至少需要测量1000次以上;
步骤五、利用机器学习,建立发射端配置方案到系统输出性能参数的映射关系;
步骤六、利用最优解求解算法,求解系统输出性能参数取得最佳值所对应的发射端配置方案,完成光纤通信系统的优化设计,提升光纤通信系统的整体性能。
实施例
1、搭建图8所示的系统,发端数字信号处理固定采用23-tap的预均衡算法,发射端产生56GBaud的PAM-4信号。驱动电路可以采用常见的射频放大电路。直调激光器的3dB带宽约为18GHz。接收端光电探测器3dB带宽约为28GHz,收端数字信号处理固定采用重采样、匹配滤波、时钟恢复、23-tap的线性均衡算法等。传输链路采用一段2km的标准单模光纤。
2、记PAM-4对应的等间隔分布的编码映射输出值为{-3,-1,1,3},其中±3分别对应直调制激光器所最大、最小驱动电流。在[-3,3]区间内,随机选取满足均值为0的四个随机数{s1,s2,s3,s4},并在直调激光器线性调制区间内随机选择一个偏置电流点Ib,记该发射端配置方案为{S,I}k。
3、在发射端配置方案{S,I}k条件下,接收端采集系统接收端的误码率值,并将此作为系统性能参数,记为BERk。
4、重复步骤2-3。采集多种不同发射端配置方案条件下,系统接收端的误码率值。
5、利用步骤4收集到的数据中的70%对卷积神经网络进行训练,得到{S,I}和BER的映射关系,并利用步骤4剩余的30%对训练得到的映射关系进行测试。
6、利用最速下降法,对步骤5中测试通过的{S,I}和BER映射关系进行最优解求解,得到BER取最小值时所对应的{S,I}*,完成系统优化
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种光纤通信系统中发射端的优化设计方法,其特征在于,包括以下步骤:
步骤一、搭建光纤通信系统,确定系统调制格式;
步骤二、在光纤通信系统的发射端,随机选取一组编码输出值,对应该系统调制格式下所有的符号可能取值,同时随机选取一种发射端调制器偏置,记该组编码输出值和调制器偏置为发射端配置方案k;
步骤三、在光纤通信系统的接收端采集发射端配置方案k条件下的系统输出性能参数,记为性能参数m;
步骤四、重复步骤二到三,测量不同发射端配置方案情况下的系统输出性能参数;
步骤五、利用机器学习,建立发射端配置方案到系统输出性能参数的映射关系;
步骤六、利用最优解求解算法,求解系统输出性能参数取得最佳值时所对应的发射端配置方案,完成光纤通信系统的优化设计,提升光纤通信系统的整体性能。
2.根据权利要求1所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,所述步骤一中,光纤通信系统在整个系统优化过程中固定,除发射端配置方案外,发射端的结构、发射端的数字信号处理算法、接收端的结构、接收端的数字信号处理算法、传输链路固定不变。
3.根据权利要求1所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,所述步骤二中,随机选取调制器偏置时,应在系统正常工作的范围内进行随机选取。
4.根据权利要求1所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,所述步骤三中,接收端采集的系统输出性能参数反应该光纤通信系统的性能。
5.根据权利要求1所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,所述步骤五中,同时采用多种机器学习方法,并利用步骤四收集的数据进行训练与测试,最后从多种机器学习方法中,选取精度最高的方法,为步骤六所用。
6.根据权利要求5所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,如果所有的机器学习方法都无法利用步骤四收集的数据完成训练与测试,则返回步骤四,继续采集数据。
7.根据权利要求1所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,所述步骤六中,最优解求解算法根据步骤五得到的发射端配置方案与系统输出性能参数之间的映射关系,求解得到全局最优解或者局部最优解,若为局部最优解则调整最优解求解算法及参数,直至获取全局最优解。
8.根据权利要求7所述的一种光纤通信系统中发射端的优化设计方法,其特征在于,若最优解求解算法无法得到单一最优解,或在一定发射端配置方案的范围内,系统输出性能参数无明显变化,则最优解求解算法只需给出发射端配置方案的最优解范围。
9.一种光纤通信系统中发射端的优化设计系统,其特征在于,包括光纤通信系统和优化设计系统;
优化设计系统用于在搭建光纤通信系统,确定系统调制格式;在光纤通信系统的发射端,随机选取一组编码输出值,对应该系统调制格式下所有的符号可能取值,同时随机选取一种发射端调制器偏置,记该组编码输出值和调制器偏置为发射端配置方案k;在光纤通信系统的接收端采集发射端配置方案k条件下的系统输出性能参数,记为性能参数m;重复测量不同发射端配置方案情况下的系统输出性能参数;利用机器学习,建立发射端配置方案到系统输出性能参数的映射关系;利用最优解求解算法,求解系统输出性能参数取得最佳值时所对应的发射端配置方案,完成光纤通信系统的优化设计,提升光纤通信系统的整体性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628746.2A CN111934778B (zh) | 2020-07-01 | 2020-07-01 | 一种光纤通信系统中发射端的优化设计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628746.2A CN111934778B (zh) | 2020-07-01 | 2020-07-01 | 一种光纤通信系统中发射端的优化设计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111934778A true CN111934778A (zh) | 2020-11-13 |
CN111934778B CN111934778B (zh) | 2021-07-27 |
Family
ID=73317031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010628746.2A Active CN111934778B (zh) | 2020-07-01 | 2020-07-01 | 一种光纤通信系统中发射端的优化设计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111934778B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113098601A (zh) * | 2021-04-13 | 2021-07-09 | 兰州理工大学 | 一种深度学习预均衡-超奈奎斯特速率大气光传输方法 |
CN113114374A (zh) * | 2021-04-15 | 2021-07-13 | 山东大学 | 基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法及实现系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107994973A (zh) * | 2017-12-04 | 2018-05-04 | 电子科技大学 | 一种自适应调制与编码方法 |
CN108667502A (zh) * | 2018-04-27 | 2018-10-16 | 电子科技大学 | 一种基于机器学习的空间调制天线选择方法 |
CN109039472A (zh) * | 2018-07-11 | 2018-12-18 | 南通智大信息技术有限公司 | 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 |
CN109525299A (zh) * | 2018-10-24 | 2019-03-26 | 清华大学 | 自适应编码调制优化的卫星通信系统和通信方法 |
CN110032164A (zh) * | 2018-01-09 | 2019-07-19 | 发那科株式会社 | 光纤激光装置以及机器学习装置 |
CN110535803A (zh) * | 2019-09-03 | 2019-12-03 | 西南交通大学 | 一种无源光网络上行传输接收端解调方法 |
WO2020062022A1 (en) * | 2018-09-28 | 2020-04-02 | Intel Corporation | Machine learning-based link adaptation |
-
2020
- 2020-07-01 CN CN202010628746.2A patent/CN111934778B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107994973A (zh) * | 2017-12-04 | 2018-05-04 | 电子科技大学 | 一种自适应调制与编码方法 |
CN110032164A (zh) * | 2018-01-09 | 2019-07-19 | 发那科株式会社 | 光纤激光装置以及机器学习装置 |
CN108667502A (zh) * | 2018-04-27 | 2018-10-16 | 电子科技大学 | 一种基于机器学习的空间调制天线选择方法 |
CN109039472A (zh) * | 2018-07-11 | 2018-12-18 | 南通智大信息技术有限公司 | 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 |
WO2020062022A1 (en) * | 2018-09-28 | 2020-04-02 | Intel Corporation | Machine learning-based link adaptation |
CN109525299A (zh) * | 2018-10-24 | 2019-03-26 | 清华大学 | 自适应编码调制优化的卫星通信系统和通信方法 |
CN110535803A (zh) * | 2019-09-03 | 2019-12-03 | 西南交通大学 | 一种无源光网络上行传输接收端解调方法 |
Non-Patent Citations (2)
Title |
---|
FRANCESCO MUSUMECI等: "An Overview on Application of Machine Learning Techniques in Optical Networks", 《IEEE COMMUNICATIONS SURVEYS & TUTORIALS》 * |
张文硕: "基于监督学习的自适应调制编码和功率分配算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113098601A (zh) * | 2021-04-13 | 2021-07-09 | 兰州理工大学 | 一种深度学习预均衡-超奈奎斯特速率大气光传输方法 |
CN113098601B (zh) * | 2021-04-13 | 2022-05-24 | 兰州理工大学 | 一种深度学习预均衡-超奈奎斯特速率大气光传输方法 |
CN113114374A (zh) * | 2021-04-15 | 2021-07-13 | 山东大学 | 基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法及实现系统 |
CN113114374B (zh) * | 2021-04-15 | 2022-03-29 | 青岛海信宽带多媒体技术有限公司 | 基于K-means聚类算法的超高速相干光通信系统的非线性补偿方法及实现系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111934778B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111010239B (zh) | 一种相干光纤通信系统中非线性相位噪声补偿方法及系统 | |
CN111934778B (zh) | 一种光纤通信系统中发射端的优化设计方法及系统 | |
Tanimura et al. | Data-analytics-based optical performance monitoring technique for optical transport networks | |
Khanna et al. | Single-carrier 400G 64QAM and 128QAM DWDM field trial transmission over metro legacy links | |
CN104604161B (zh) | 用于400g信号的生成和相干检测的系统和方法 | |
US11012187B1 (en) | Error correction in optical networks with probabilistic shaping and symbol rate optimization | |
US10461972B2 (en) | Using multi-level pulse amplitude modulation with probabilistic shaping | |
CN109450836B (zh) | 一种状态转换概率分布的光数字通信调制格式识别方法 | |
US11177888B2 (en) | Methods and apparatus for optical communications via pulse amplitude modulation (PAM) in dense wavelength-division multiplexing (DWDM) systems | |
Bajaj et al. | 54.5 Tb/s WDM transmission over field deployed fiber enabled by neural network-based digital pre-distortion | |
CN112532322B (zh) | 一种基于信道编码和二次vnle的im-dd光通信系统 | |
CN113507325B (zh) | 一种基于非线性差分编码和二次vnle的imdd光通信系统 | |
CN104683027A (zh) | 调制格式无关光信号速率识别方法及系统 | |
EP3549282B1 (en) | Optical transmission method and optical receiver apparatus | |
Bosco et al. | Quantum limit of direct-detection receivers using duobinary transmission | |
WO2013131462A1 (zh) | 一种实现对波长标签进行编码的方法和系统 | |
Zhang et al. | 60-Gb/s CAP-64QAM transmission using DML with direct detection and digital equalization | |
da Silva et al. | Experimental Characterization of $10\times 8$ GBd DP-1024QAM Transmission with 8-bit DACs and Intradyne Detection | |
Yoffe et al. | Low resolution pre-compensation for DCI based on dynamic quantization | |
Wang et al. | Deep learning enabled simultaneous OSNR and CD monitoring for coherent transmission system | |
US20020176518A1 (en) | Recovery of high speed, high bit error rate data | |
CN113472713A (zh) | 一种基于神经网络的高阶调制信号解调方法和接收机 | |
Schädler et al. | Machine learning in digital signal processing for optical transmission systems | |
CN113949425B (zh) | 基于重新排序矢量量化码本的DRoF前端信号量化方法 | |
CN115173940B (zh) | 多信道光传输系统链路联合损伤监测方法及系统 |
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 |