CN113219828A - 一种多通道模拟光模块增益一致性的控制方法 - Google Patents

Abstract

本发明公开了一种多通道模拟光模块增益一致性的控制方法，包括步骤：S1，将多通道模拟光模块内部组件的出厂测试数据整理形成基础模型数据库；S2，在生产前端形成多通道模拟光模块的装入关系表；S3，建立多通道模拟光模块的微波光子链路数学仿真模型；S4，多通道模拟光的增益一致性调整与控制等；本发明在生产前端构建起具有预测性的、能够准确控制模块增益一致性的控制体系，解决了模块在齐套、装配过程中，组件随机搭配而产生的增益一致性风险，简化了模块内部结构、减轻重量、节约成本、提高增益性能等效果等。

Description

一种多通道模拟光模块增益一致性的控制方法

技术领域

本发明涉及光载射频领域内的产品增益一致性控制技术领域，更为具体的，涉及一种多通道模拟光模块增益一致性的控制方法。

背景技术

多通道模拟光模块是通过将多路宽带射频模拟信号分别调制到各路光信号上的方法，以实现对多路射频信号的大带宽、低损耗和远距离传输。由于其涉及了光信号和射频信号的相互转换，在设计阶段缺乏成熟的微波光子协同设计软件，使得模块的通道增益一致性的设计值与实际存在差距；其次，产品内部组件的性能指标就存在一定的波动性，在典型值附近呈高斯分布；另一方面，该类型模块的生产工艺过程涉及到光纤的装配和熔接，增加了产品的制造复杂度，使得产品增益一致性的实现难度增大。

目前的控制方法是通过增加可调衰减器来实现增益一致性的要求。首先测试模块各个通道的增益值，再计算最大值与最小值的差值，与一致性指标对比，然后通过在增益值最大的射频通道输出处增加衰减器，补偿差值，重复以上步骤，直至满足一致性要求。该方法主要存在的问题是增加了模块的体积、重量和成本，同时也牺牲了模块的一部分性能。

发明内容

本发明的目的在于克服现有技术的不足，提供一种多通道模拟光模块增益一致性的控制方法，在生产前端构建起具有预测性的、能够准确控制模块增益一致性的控制体系，解决了模块在齐套、装配过程中，组件随机搭配而产生的增益一致性风险，简化了模块内部结构、减轻重量、节约成本、提高增益性能等效果等。

本发明的目的是通过以下方案实现的：

一种多通道模拟光模块增益一致性的控制方法，包括步骤：

S1，将多通道模拟光模块内部组件的出厂测试数据整理形成基础模型数据库；

S2，在生产前端形成多通道模拟光模块的装入关系表；

S3，建立多通道模拟光模块的微波光子链路数学仿真模型；

S4，多通道模拟光的增益一致性调整与控制，每形成一个模块的装入关系表，就利用步骤S3中数学仿真模型进行模块的增益一致性预测，并与实际要求比对，再根据情况调整模块的装入关系表，以达到通道间的增益一致性要求。

进一步地，在步骤S1中，包括步骤：

S11，将形成模块微波光子链路的各个组件的测试性能指标数据整理为结构化数据，形成基础模型数据库；

S12，对基础模型数据库进行预处理，使得来自各个厂家的测试数据格式标准化，具备完整性、一致性、可追溯性，且无异常数据，能够从某一组件追溯到批次号、订单号和测试指标数据。

进一步地，在步骤S2中，包括步骤：

S21，在生产前端，按照订单号分批进行齐套，在机装时，先对每个模块的组件和组成进行识别，并提取出基础模型数据库中相应的指标数据；

S22，将调取出来的测试数据整理为结构化数据，形成以模块序号为主外键约束的模块装入关系表，能够从某一模块追溯到组件产品序号、批次号、订单号和测试指标数据。

进一步地，在步骤S3中，包括步骤：

S31，构建多通道模块的微波光子链路数学仿真模型，该模型中链路的增益函数G如下：

10(2logα₀+2logα₁+2logα₂+2logη_d+2logR_ω)

其中，P_I为模块的光发射机的输出功率，单位为mW；T_F为模块的光转换组件的光插入损耗系数，取值在0～1之间；V_π为模块的光转换组件的半波电压，单位为V；g₁，g₂和g₃分别为输入射频连接器、输出射频连接器和射频电缆的增益，单位为dB；α₀，α₁和α₂分别为保偏光纤、波分复用器和光缆的增益系数，取值在0～1之间；η_d为光电探测器的响应度，单位为A/W；R_ω为微波光子链路的固有阻值，单位为欧姆；G是模块单个通道的链路增益值，单位为dB；

在该实施方案中，上述组件为微波光子链路的基本组成单位，也是多通道模拟光模块的主要内部组件；相关的指标是各个组件决定链路增益的关键指标，将作为该仿真模型的输入元素；而增益G将作为该仿真模型的输出结果。

S32，再将步骤S31中组件和模块的历史指标测试数据和增益测试数据进行拟合分析，若与模型的预测数据的差值的均方根小于δ，说明仿真模型与实际吻合度高；若与模型的预测数据的差值的均方根大于δ，说明仿真模型与实际吻合度低；利用模块的历史增益测试数据对上述理论模型进行修正，更好地拟合实际的微波链路增益函数。

进一步地，在步骤S4中，包括步骤：

S41，每形成一个模块的装入关系表，就利用数学模型进行模块的增益一致性预测，得到模块各个通道的增益值、最大值、最小值和波动值；

S42，将模块增益的不同通道的波动值与产品的一致性要求进行对比，若满足要求，则直接装配；如果不满足要求，则进入步骤S43；

S43，通过更换链路的相关组件来调整模块的装入关系表，使得模块的增益一致性达到最优，从而满足了通道间的增益一致性要求，再进行装配。

进一步地，在步骤S43中，包括步骤：

S431，选择链路增益最小的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复步骤S41、S42、S431的步骤，若一直不满足要求，则进入步骤S432。

S432，选择链路增益最大的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复步骤S41、S42、S432的步骤，若一直不满足要求，则进入步骤S433；

S433，同时选择链路增益最大、最小的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复步骤S41、S42、S43的步骤，直至满足要求，顺利装配，若始终不满足要求，该模块的组件被剔除此次订单，预留给下一订单。

本发明的有益效果包括：

(1)本发明实施例中，应用于光载射频领域(ROF)，基于数字化仿真模型来控制多通道模拟光传输模块的增益一致性，通过构建模块内部各组件的测试指标数据库，仿真计算模块内各条微波光链路的增益指标，比对分析后，在数据库中选择匹配度更高的组件，实现通道间增益一致性的精准控制。

(2)本发明实施例中，解决了模块在齐套、装配过程中，组件随机搭配而产生的增益一致性风险，以模块内部各组件的出厂测试数据为基础，建立模块的微波光子链路数学仿真模型，通过模型运算和模块的增益一致性要求，对模块内各个微波光子链路的组件进行针对性配对，在生产前端构建起具有预测性的能够准确控制模块增益一致性的控制体系。

(3)本发明实施例中，较好地解决了模块由于设计能力缺陷和组件性能波动所引起的增益一致性风险问题。具体的，本发明通过对大量测试指标数据的深度挖掘，以数字化手段对制造过程进行预先设计；通过以持续修正的模型为中心，进行预防式的增益管控；在前端实现了制造最优化决策。与现有技术对比，简化了模块内部结构，减少了可调衰减器的采购成本；不再需要以增加可调衰减器来降低增益性能的方式来满足增益一致性，可以有效兼顾增益和增益一致性指标。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。

图1为本发明实施例中一种多通道模拟光模块的微波光子链路组成示意图；

图2为本发明实施例中增益一致性控制方的步骤流程图；

图3为本发明实施例中增益一致性控制方法的步骤流程图中的决策框图；

图4为本发明实施例中增益一致性控制方法的步骤流程图中的微波光子链路模型；

图中，1-光发射机，2-光转换组件，3-射频连接器，4-保偏光纤，5-射频电缆，6-波分复用器，7-光电探测器。

具体实施方式

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

如图1～4所示，在本发明的实施例中，提出了一种基于数字化仿真模型来控制多通道模拟光传输模块的增益一致性的方法，主要为了解决模块在齐套、装配过程中，组件随机搭配而产生的增益一致性风险，以模块内部各组件的出厂测试数据为基础，建立模块的微波光子链路数学仿真模型，通过模型运算和模块的增益一致性要求，对模块内各个微波光子链路的组件——光发射机、光转换组件、保偏光纤、波分复用器、射频电缆和光电探测器进行针对性配对，构建起在生产前端就能够准确控制模块增益一致性的具有预测性的增益控制体系。

一种多通道模拟光模块增益一致性控制方法，具体步骤如下：

步骤一：将模块内部组件的出厂测试数据整理形成基础模型数据库；

步骤二：在生产前端，通过扫码识别、读取的方式形成模块的装入关系表；

步骤三：建立模块的微波光子链路数学仿真模型；

步骤四：模块的增益一致性调整与控制，具体为每形成一个模块的装入关系表，就利用数学模型进行模块的增益一致性预测，并与实际要求比对，再根据情况调整模块的装入关系表，以达到通道间的增益一致性要求。

为更好地实现本发明，进一步为：

所述步骤一具体为：

1.1将形成模块微波光子链路的各个组件的测试性能指标数据整理为结构化数据，形成基础模型数据库。具体的测试数据至少应该包括以下指标：光发射机的输出功率；光转换组件的插入损耗系数；光转换组件的半波电压；保偏光纤和波分复用器的光损耗系数；射频电缆的增益值；光探测器的响应度。

1.2对基础模型数据库进行预处理，使得来自各个厂家的测试数据格式标准化，具备完整性、一致性、可追溯性，且无异常数据，能够从某一组件追溯到批次号、订单号和测试指标数据。

所述的步骤二具体为：

2.1在生产前端，按照订单号分批进行齐套，在机装时，先对每个模块的组件和组成进行识别，并提取出基础模型数据库中相应的指标数据；

2.2将调取出来的测试数据整理为结构化数据，形成以模块序号为主外键约束的模块装入关系表，能够从某一模块追溯到组件产品序号、批次号、订单号和测试指标数据。

所述的步骤三具体为：

3.1基于微波光子链路的设计原理，构建初步的多通道模块的微波光子链路数学仿真模型，其中链路的增益函数G如下：

10(2logα₀+2logα₁+2logα₂+2logη_d+2logR_ω)

其中，P_I为模块的光发射机的输出功率，单位为mW；T_F为模块的光转换组件的光插入损耗系数，取值在0～1之间；V_π为模块的光转换组件的半波电压，单位为V；g₁，g₂和g₃分别为输入射频连接器、输出射频连接器和射频电缆的增益，单位为dB；α₀，α₁和α₂分别为保偏光纤、波分复用器和光缆的增益系数，取值在0～1之间；η_d为光电探测器的响应度，单位为A/W；R_ω为微波光子链路的固有阻值，单位为欧姆；G是模块单个通道的链路增益值，单位为dB；

上述组件为微波光子链路的基本组成单位，也是多通道模拟光模块的主要内部组件；相关的指标是各个组件决定链路增益的关键指标，将作为该仿真模型的输入元素；而增益G将作为该仿真模型的输出结果。

3.2再将组件和模块的历史指标测试数据和增益测试数据进行拟合分析，若与模型的预测数据的差值的均方根小于δ，说明仿真模型与实际吻合度高；若与模型的预测数据的差值的均方根大于δ，说明仿真模型与实际吻合度低；应利用模块的历史增益测试数据对上述理论模型进行修正，更好地拟合实际的微波链路增益函数。

所述的步骤四具体为：

4.1每形成一个模块的装入关系表，就利用数学模型进行模块的增益一致性预测，得到模块各个通道的增益值、最大值、最小值和波动值；

4.2将模块增益的不同通道的波动值与产品的一致性要求进行对比，若满足要求，则直接装配；

4.3如果不满足要求，就通过更换链路的相关组件来调整模块的装入关系表，使得模块的增益一致性达到最优，从而满足了通道间的增益一致性要求，再进行装配。

所述的步骤4.3具体为：

4.3.1选择链路增益最小的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复4.1、4.2、4.3.1的步骤，若一直不满足要求，则进入步骤4.3.2。

4.3.2选择链路增益最大的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复4.1、4.2、4.3.2的步骤，若一直不满足要求，则进入步骤4.3.3。

4.3.3同时选择链路增益最大、最小的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复4.1、4.2、4.3的步骤，直至满足要求，顺利装配，若始终不满足要求，该模块的组件被剔除此次订单，预留给下一订单。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

本发明功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，在一台计算机设备(可以是个人计算机，服务器，或者网络设备等)以及相应的软件中执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器(Random Access Memory，RAM)、随机存取存储器(Random Access Memory，RAM)等。

Claims (6)

1.一种多通道模拟光模块增益一致性的控制方法，其特征在于，包括步骤：

S1，将多通道模拟光模块内部组件的出厂测试数据整理形成基础模型数据库；

S2，在生产前端形成多通道模拟光模块的装入关系表；

S3，建立多通道模拟光模块的微波光子链路数学仿真模型；

S4，多通道模拟光的增益一致性调整与控制，每形成一个模块的装入关系表，就利用步骤S3中数学仿真模型进行模块的增益一致性预测，并与实际要求比对，再根据情况调整模块的装入关系表，以达到通道间的增益一致性要求。

2.根据权利要求1所述的一种多通道模拟光模块增益一致性的控制方法，其特征在于，在步骤S1中，包括步骤：

S11，将形成模块微波光子链路的各个组件的测试性能指标数据整理为结构化数据，形成基础模型数据库；

S12，对基础模型数据库进行预处理，使得来自各个厂家的测试数据格式标准化，具备完整性、一致性、可追溯性，且无异常数据，能够从某一组件追溯到批次号、订单号和测试指标数据。

3.根据权利要求1所述的一种多通道模拟光模块增益一致性的控制方法，其特征在于，在步骤S2中，包括步骤：

S21，在生产前端，按照订单号分批进行齐套，在机装时，先对每个模块的组件和组成进行识别，并提取出基础模型数据库中相应的指标数据；

S22，将调取出来的测试数据整理为结构化数据，形成以模块序号为主外键约束的模块装入关系表，能够从某一模块追溯到组件产品序号、批次号、订单号和测试指标数据。

4.根据权利要求1所述的一种多通道模拟光模块增益一致性的控制方法，其特征在于，在步骤S3中，包括步骤：

S31，构建多通道模块的微波光子链路数学仿真模型，该模型中链路的增益函数G如下：

其中，P_I为模块的光发射机的输出功率，单位为mW；T_F为模块的光转换组件的光插入损耗系数，取值在0～1之间；V_π为模块的光转换组件的半波电压，单位为V；g₁，g₂和g₃分别为输入射频连接器、输出射频连接器和射频电缆的增益，单位为dB；α₀，α₁和α₂分别为保偏光纤、波分复用器和光缆的增益系数，取值在0～1之间；η_d为光电探测器的响应度，单位为A/W；R_ω为微波光子链路的固有阻值，单位为欧姆；G是模块单个通道的链路增益值，单位为dB；

S32，再将步骤S31中组件和模块的历史指标测试数据和增益测试数据进行拟合分析，若与模型的预测数据的差值的均方根小于δ，说明仿真模型与实际吻合度高；若与模型的预测数据的差值的均方根大于δ，说明仿真模型与实际吻合度低；利用模块的历史增益测试数据对上述理论模型进行修正，更好地拟合实际的微波链路增益函数。

5.根据权利要求1所述的一种多通道模拟光模块增益一致性的控制方法，其特征在于，在步骤S4中，包括步骤：

S41，每形成一个模块的装入关系表，就利用数学模型进行模块的增益一致性预测，得到模块各个通道的增益值、最大值、最小值和波动值；

S42，将模块增益的不同通道的波动值与产品的一致性要求进行对比，若满足要求，则直接装配；如果不满足要求，则进入步骤S43；

S43，通过更换链路的相关组件来调整模块的装入关系表，使得模块的增益一致性达到最优，从而满足了通道间的增益一致性要求，再进行装配。

6.根据权利要求5所述的一种多通道模拟光模块增益一致性的控制方法，其特征在于，在步骤S43中，包括步骤：

S431，选择链路增益最小的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复步骤S41、S42、S431的步骤，若一直不满足要求，则进入步骤S432。

S432，选择链路增益最大的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复步骤S41、S42、S432的步骤，若一直不满足要求，则进入步骤S433；

S433，同时选择链路增益最大、最小的通道进行调整，通过分析链路的数学仿真模型和该批次各组件的指标波动性，选择对模型变化影响最大和指标波动性范围较大的组件，搜索该组件的指标数据，选择获得最优解的组件进行替换，形成新的模块装入关系表，之后重复步骤S41、S42、S43的步骤，直至满足要求，顺利装配，若始终不满足要求，该模块的组件被剔除此次订单，预留给下一订单。

Images