CN113364519B - 一种光性能监测方法、装置、电子设备以及存储介质 - Google Patents
一种光性能监测方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113364519B CN113364519B CN202110643241.8A CN202110643241A CN113364519B CN 113364519 B CN113364519 B CN 113364519B CN 202110643241 A CN202110643241 A CN 202110643241A CN 113364519 B CN113364519 B CN 113364519B
- Authority
- CN
- China
- Prior art keywords
- svdd
- signal
- optical performance
- performance monitoring
- osnr
- 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
- H04B10/073—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an out-of-service signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
- H04Q2011/0083—Testing; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Signal Processing (AREA)
- Optical Communication System (AREA)
Abstract
本发明提供了一种光性能监测方法、装置、电子设备以及存储介质,属于短距光通信中光性能监测技术领域,该方法包括:对待处理SVDD信号进行预处理,以及进行重采样;进行轨迹信息的量化处理,提取轨迹信息中的隐藏特征;对隐藏特征进行匹配。本发明仅需一次特征提取即能够对SVDD‑BPSK、SVDD‑QPSK、SVDD‑8QAM、SVDD‑16QAM、SVDD‑32QAM以及SVDD‑64QAM实现精准的联合调制格式识别、OSNR监测和RCD估计。满足短距通信对低计算复杂度、多参数联合监测,监测精度高的需求。本发明基于轨迹信息中蕴含的丰富的差异性特征,具有应用到骨干光网络和其他线性或非线性损伤监测的潜力。
Description
技术领域
本发明属于短距光通信中光性能监测技术领域,尤其涉及一种光性能监测方法、装置、电子设备以及存储介质。
背景技术
随着5G、物联网和云计算的广泛应用,迫使短距光通信,即传输数百米至数十公里,未来可能达到100公里以上的光通信链路,朝着长距离、高速率、低功耗等方向发展以应对日益增长的容量需求。相比于长距骨干网,短距光传输网需要部署大量的光收发机来连接不同区域。因此,系统复杂度和频谱效率都是考虑的关键因素。短距光网络的收发机应依靠直接检测,即自拍频,而非相干检测来满足成本、尺寸和功耗的要求。然而,传统的幅度调制直接检测方案仅使用了光载波的一个自由度,即幅度,使得频谱效率较低。2014年,车迪等人提出一种应用于短距光通信的SVDD系统,该系统利用了光载波的幅度和相位两个自由度使其达到了与单偏振相干检测相同的频谱效率,并且由于该系统不需要本振光源及对频偏和相位噪声具有固有鲁棒性使其系统复杂度较低。因此,SVDD系统为下一代短距光通信提供了有效的解决方案。近几年,各种用于SVDD系统的数字信号处理技术被提出,包括偏振解复用、RSOP均衡及色散补偿等。面对未来复杂的网络结构和稀缺的频谱资源以及短距光通信的发展趋势,传统的通过增加冗余频谱或通过先验信息来解决链路损伤的方案将不再适用。因此为了降低运营成本,确保最佳资源利用及适当的运营和管理,连续监测各种网络性能参数是必不可少的。
发明内容
针对现有技术中的上述不足,本发明提供的一种光性能监测方法、装置、电子设备以及存储介质,解决了现有光性能监测方案无法适用于SVDD系统的问题。
为了达到以上目的,本发明采用的技术方案为:
根据本申请的实施例,本发明提供了一种光性能监测方法,包括以下步骤:
S1、搭建SVDD短距光传输数字仿真系统,对获取不同调制格式受到不同信道损伤的待处理SVDD信号进行预处理,并以每符号一个样值为标准进行重采样;
S2、根据重采样后的SVDD信号时序和位置信息进行轨迹信息的量化处理,并利用特征分析提取轨迹信息中的隐藏特征;
S3、利用余弦相似度算法通过模板库对隐藏特征进行匹配,实现光性能监测。
进一步地,所述步骤S1包括以下步骤:
S101、通过调整SVDD短距光传输数字仿真系统中发射机的调制格式参数、在OSNR设置模块中加入ASE噪声以及在光纤中引入色散,获取不同调制格式受到不同信道损伤的待处理SVDD信号;
S102、对待处理SVDD信号进行基于Stokes空间的RSOP均衡处理,以及基于色散扫描的频域色散粗补偿;
S103、以每符号一个样值为标准进行重采样,其中重采样为一倍采样,且重采样的SVDD信号仅包括S2分量和S3分量,同时刻的S2分量和S3分量组成一个复信号符号,其中S2分量为接收符号的同相分量,S3分量为接收符号的正交分量。
再进一步地,所述待处理SVDD信号中的符号数为8192。
再进一步地,所述步骤S2包括以下步骤:
S201、对重采样后的SVDD复信号符号进行归一化处理,使其S2分量和S3分量均位于[-1,1]内,并对S2分量和S3分量执行折叠操作;
S202、将范围为[0,1]的方形区域等分为N*N个网格,将每个网格作为一个状态标签,并从下至上,从左至右赋予状态标签从1到N*N,其中,网格数N为10;
S203、根据折叠结果将每个时刻SVDD复信号符号的位置赋予相应的状态标签属性,从接收到的第一个时刻SVDD复信号符号对应的状态标签开始,直线连接相邻时刻SVDD复信号符号对应的状态标签,直至连接至最后一个时刻SVDD复信号符号对应的状态标签;
S204、将任意两个状态标签之间的连线数量作为权重系数,并通过计算任意两个状态标签之间的权重系数建立权重系数矩阵,实现轨迹信息的量化处理;
S205、利用特征分析提取权重系数矩阵中最大特征值对应的特征向量,得到隐藏特征。
再进一步地,所述计算任意两个状态标签之间的权重系数建立在无向假设基础上,其值表示为:
Aij=Aji:=Aij+Aji
其中,赋值符号右端Aij表示从状态i到状态j的跳变次数,Aji表示从状态j到状态i的跳变次数,:=表示赋值符号。
再进一步地,所述步骤S3模板库中包括的光参数包括:SVDD-BPSK信号OSNR范围为9-22dB,残余色散范围为0-200ps/nm;SVDD-QPSK信号OSNR范围为13-26dB,RCD范围为0-200ps/nm;SVDD-8QAM信号OSNR范围为18-31dB,RCD范围为0-200ps/nm;SVDD-16QAM信号OSNR范围为20-33dB,RCD范围为0-200ps/nm;SVDD-32QAM信号OSNR范围为24-37dB,RCD范围为0-200ps/nm以及SVDD-64QAM信号OSNR范围为27-40dB,RCD范围为0-200ps/nm。
根据本申请实施例的另一个方面,本发明提供了一种光性能监测装置,包括:
信号预处理模块,用于搭建SVDD短距光传输数字仿真系统,对获取不同调制格式受到不同信道损伤的待处理SVDD信号进行预处理,并以每符号一个样值为标准进行重采样;
特征提取模块,用于根据重采样后的SVDD信号时序和位置信息进行轨迹信息的量化处理,并利用特征分析提取轨迹信息中的隐藏特征;
匹配模块,用于利用余弦相似度算法通过模板库对隐藏特征进行匹配,实现光性能监测。
根据本申请实施例的另一个方面,本发明提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现上述任一所述的光性能监测方法。
根据本申请实施例的另一个方面,本发明提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行,以实现上述任一所述的光性能监测方法。
本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果:
(1)本发明提供一种基于轨迹信息的SVDD光传输系统光性能监测方法:获取不同调制格式受到不同损伤噪声下的SVDD信号,根据接收信号的时序和位置信息构建权重系数矩阵,即完成轨迹信息的量化;利用特征分析提取轨迹信息中的关键隐藏特征并实现降维的目的;最后利用余弦相似度算法进行模板匹配进而实现光性能监测;仅需一次特征提取即能够对SVDD-BPSK、SVDD-QPSK、SVDD-8QAM、SVDD-16QAM、SVDD-32QAM以及SVDD-64QAM实现精准的联合调制格式识别、OSNR监测和RCD估计。所述方法具有低计算复杂度以及高监测精度的优点。
(2)本发明基于一次特征提取即可建立完备的模板库,其可以根据运营商所提要求及时更新模板库以满足不同的监测要求。
(3)本方法具有进一步应用于骨干光网络和其他线性和非线性损伤监测的潜力,泛化性较强。
附图说明
图1示出了本申请一个实施例的光性能监测方法流程图。
图2示出了本申请一个实施例的包含光性能监测的SVDD系统接收终端架构示意图。
图3示出了本申请一个实施例的轨迹信息量化过程示意图。
图4为本发明实施例提供的SVDD数字仿真系统示意图。
图5示出了本申请一个实施例的对于SVDD-BPSK/QPSK/8QAM/16QAM/32QAM/64QAM调制格式信号BER随OSNR变化曲线图。
图6(a)示出了本申请一个实施例的联合调制格式识别和OSNR监测下进行折叠操作/不进行折叠操作,OSNR监测的MAE随符号数变化曲线图。
图6(b)示出了本申请一个实施例的联合调制格式识别和OSNR监测下进行折叠操作,OSNR监测的MAE随网格数变化曲线图。
图7示出了本申请一个实施例的联合调制格式识别和OSNR监测下的调制格式识别率随OSNR变化曲线图。
图8示出了本申请一个实施例的联合调制格式识别和OSNR监测下,(a)SVDD-BPSK,(b)SVDD-QPSK,(c)SVDD-8QAM,(d)SVDD-16QAM,(e)SVDD-32QAM,(f)SVDD-64QAM调制格式信号的OSNR监测性能图。
图9示出了本申请一个实施例的利用搭建SVDD仿真系统获取的用于多参数联合监测的数据参数示意图。
图10示出了本申请一个实施例的多参数联合监测下,(a)SVDD-8QAM,(b)SVDD-16QAM,(c)SVDD-32QAM调制格式信号的调制格式识别率随OSNR和RCD变化趋势图。
图11(a)示出了本申请一个实施例的多参数联合监测下估计OSNR的MAE随真实OSNR,(b)RCD变化曲线图。
图11(b)示出了本申请一个实施例的多参数联合监测下估计OSNR的MAE随RCD变化曲线图。
图12(a)示出了本申请一个实施例的多参数联合监测下估计RCD的MAE随OSNR变化曲线图。
图12(b)示出了本申请一个实施例的多参数联合监测下估计RCD的MAE随真实RCD变化曲线图。
图13(a)示出了本申请一个实施例的多参数联合监测下14GBaud/28GBaud信号OSNR监测性能比较图。
图13(b)示出了本申请一个实施例的多参数联合监测下14GBaud/28GBaud信号RCD估计性能比较图。
图14示出了本申请一个实施例的装置示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
近年来,研究者们提出了不同有效的光性能监测方案。其中,一些研究人员设计了不同的方案实现对单一参数的监测。例如,基于Stokes空间的方案、基于机器学习的方案、基于数据辅助的方案、基于统计理论以及基于异步延迟抽头采样的方案。除此之外,不同多参数联合监测方案也被提出,包括:基于统计理论的方案、基于聚类的方案、基于Godard误差的方案以及基于Kalman滤波器的方案。尽管这些方案表现出优异的性能,但是将其应用到短距光通信中是不太适用的,这是因为这些方案可能面临着以下问题。例如,实现功能单一、需要大量的训练样本、较高的计算复杂度等。这对于计算资源弥足珍贵的短距光通信是不可取的。
有鉴于此,本发明基于接收信号的轨迹信息,提出了一种应用于Stokes矢量直接检测(Stokes Vector Direct Detection,SVDD)光传输系统简单新颖的多参数联合监测方法,包括调制格式识别、光信噪比(Optical Signal Noise Ratio,OSNR)监测以及残余色散(Residual Chromatic Dispersion,RCD)估计,目前,还未曾有研究者利用接收符号的轨迹信息用于短距光通信执行光性能监测,其不仅可以准确表现出不同光参数信号空间维度的多样性,还能够在时间维度上精确记录相邻符号之间的跳跃模式,被认为是执行光性能监测的良好度量。此外,该方法具有进一步应用于骨干光网络和其他线性和非线性损伤监测的潜力,泛化性较强。同时提出的基于轨迹信息的光性能监测方法的有效性通过14/28GBaud SVDD-二进制相移键控(Binary Phase Shift Keying,BPSK)、SVDD-正交相移键控(Quadrature Phase Shift Keying,QPSK)、SVDD-8正交幅度调制(Quadrature AmplitudeModulation,QAM)、SVDD-16QAM、SVDD-32QAM以及SVDD-64QAM仿真系统进行了验证。
如图1所示,在本申请的一个实施例中,提供了一种光性能监测方法,其适用于SVDD系统,包括以下步骤:
S1、搭建SVDD短距光传输数字仿真系统,对获取不同调制格式受到不同信道损伤的待处理SVDD信号进行预处理,并以每符号一个样值为标准进行重采样,包括以下步骤:
S101、通过调整SVDD短距光传输数字仿真系统中发射机的调制格式参数、在OSNR设置模块中加入ASE噪声以及在光纤中引入色散,获取不同调制格式受到不同信道损伤的待处理SVDD信号;
在本发明的实施例中,执行基于轨迹信息的SVDD光传输系统光性能监测方法一次数据采集最佳符号数为8192。
在本发明的实施例中,发射机脉冲整形滤波器类型为平方根升余弦滤波器,滚降因子为0.75。在该设置下测得SVDD-BPSK、SVDD-QPSK、SVDD-8QAM、SVDD-16QAM、SVDD-32QAM及SVDD-64QAM的7%FEC门限分别为10.8dB、14.7dB、19.5dB、22.2dB、25.8dB和29.2dB。
S102、对待处理SVDD信号进行基于Stokes空间的RSOP均衡处理,以及基于色散扫描的频域色散粗补偿;
S103、以每符号一个样值为标准进行重采样,其中重采样为一倍采样,且重采样的SVDD信号仅包括S2分量和S3分量,同时刻的S2分量和S3分量组成一个复信号符号,其中S2分量为接收符号的同相分量,S3分量为接收符号的正交分量。
在本申请的实施例中,图2为包含光性能监测的SVDD系统接收终端架构示意图。利用光偏振分束器(Polarization Beam Splitter,PBS)获得接收信号和接着和皆通过一个3dB耦合器,产生4路输出。其中,输出1和4直接传输至平衡光电检测器(Balanced PhotoDetector,BPD)1,其输出为输出2和3则传输至90°光混频器中,其输出经由BPD2和BPD3检测后输出为和为了正确的恢复传输信息,SVDD系统的接收机端需部署数字信号处理(Digital Signal Processing,DSP)模块。接收信号首先通过模数转换器(Analog-to-Digital Converter,ADC)转换成数字信号并在Stokes空间中执行偏振态旋转(Routing of State of Polarization,RSOP)均衡。接着传统的基于CD扫描频域均衡的CD粗补偿被执行,这种CD补偿方案会遗留一定程度的RCD,其与扫描步长有关。然后以每符号一个样值为标准进行重采样,随后执行提出的基于轨迹信息的光性能监测。其中,调制格式信息被解码模块用来执行信号解调;估计的RCD反馈到CD补偿模块以提高其补偿效率及精度;监测的OSNR信号则被用于链路故障诊断。
S2、根据重采样后的SVDD信号时序和位置信息进行轨迹信息的量化处理,并利用特征分析提取轨迹信息中的隐藏特征,包括以下步骤:
S201、对重采样后的SVDD复信号符号进行归一化处理,使其同相分量和正交分量均位于[-1,1]内,并对同相分量和正交分量执行折叠操作;
S202、将范围为[0,1]的方形区域等分为N*N个网格,将每个网格作为一个状态标签,并从下至上,从左至右赋予状态标签从1到N*N;设置网格密度N为10时,执行基于轨迹信息的SVDD光传输系统光性能监测方法实现最佳性能;
S203、根据折叠结果,将每个时刻SVDD复信号符号的位置赋予相应的状态标签属性,从接收到的第一个时刻SVDD复信号符号对应的状态标签开始,直线连接相邻时刻SVDD复信号符号对应的状态标签,直至连接至最后一个时刻SVDD复信号符号对应的状态标签;
S204、将任意两个状态标签之间的连线数量作为权重系数,并通过计算任意两个状态标签之间的权重系数建立权重系数矩阵,实现轨迹信息的量化处理;
S205、利用特征分析提取权重系数矩阵中最大特征值对应的特征向量,得到隐藏特征。
在本申请的实施例中,不同调制格式的信号受到不同的损伤时,团簇的分布是不同的。确切地说,团簇的数量和散度是不同的。由相邻符号之间的连线构成的轨迹不仅能准确地展现上述空间维度上的多样性,而且还能记录符号之间在时间维度上的跳跃模式。因此,通过尝试合理量化信号的轨迹,利用广泛应用于数学和工程领域的特征分析提取轨迹信息中的关键隐藏特征以执行光性能监测同时实现降维的目的。
具体地,以连续接收到的OSNR为33dB的16384个SVDD-16QAM调制格式符号为例,利用一个均匀网格进行轨迹信息量化过程示意图如图3所示。对接收到的SVDD信号执行归一化操作使其实部及虚部皆位于区间[-1,1]内。然后将范围为[-1,1]的方形区域划分成N*N的网格,每个单独的网格称为状态空间中的一个状态,并按照自下至上自左至右的规则被标记为从1至N*N。N称为网格密度,图3中N设置的是3。接下来根据接收SVDD信号在方形区域中的位置赋予相应的状态标签。然后,从接收到的第一个时刻符号对应的状态开始,相邻接收时刻符号对应状态用直线连接,直到接收到的最后一个时刻符号对应的状态结束,将任意两个状态之间的连线次数称为权重系数。最后,通过统计任意两个状态之间权重系数构成权重系数矩阵A完成轨迹信息的量化。其中,权重系数矩阵A中任意元素Aij表示状态i和状态j之间的权重系数,由于计算任意两个状态之间的权重系数建立在无向的假设基础上,即Aij=Aji:=Aij+Aji,:=表示赋值符号。因此统计后的权重系数矩阵A关于主对角线对称,属于厄密特(Hermitian)矩阵,其中,无向的假设基础具体为:开始统计时Aij表示从状态i到状态j的跳变次数,Aji表示从状态j到状态i的跳变次数。统计完之后将Aij+Aji重新赋值给Aij和Aji,即不管是从状态i到状态j的跳变还是从状态j到状态i的跳变,皆认为是状态i和状态j之间的一次连接。
在模式识别中,需要将原始矩阵数据转换或处理成低维向量。由于它是从原始数据中提取的一个重要特征,直接用于模式聚类和分类,因此这种低维向量称为特征向量。本发明引入在数学和工程中广泛应用的特征分析方法,提取隐藏在矩阵中的最关键特征,同时达到降维目的。当矩阵A为线性变换的标准矩阵时,其特征值问题可以表示为:Au=λu,u≠0。标量λ为权重系数矩阵A的特征值,向量u为λ对应的特征向量。显然,Hermitian矩阵为标准矩阵,其所有特征值皆为实数,可以被分解为:A=U∑UH。H表示共轭转置操作,∑=diag{λ1,λ2,…,λN}是所有特征值按照顺序λ1≤λ2≤…≤λN组成的对角矩阵,其对应的特征向量组成特征向量矩阵U={u1,u2,…uN}。最大特征值λmax定义为矩阵的谱半径,其相应的特征向量umax反映了矩阵的最关键特征,被认为是执行光性能监测最佳的选择。
S3、利用余弦相似度算法通过模板库对隐藏特征进行匹配,实现光性能监测。
在本发明的实施例中,模板库中包括的光参数包括:模板库中包括光参数为:SVDD-BPSK信号OSNR范围为9-22dB,RCD范围为0-200ps/nm;SVDD-QPSK信号OSNR范围为13-26dB,RCD范围为0-200ps/nm;SVDD-8QAM信号OSNR范围为18-31dB,RCD范围为0-200ps/nm;SVDD-16QAM信号OSNR范围为20-33dB,RCD范围为0-200ps/nm;SVDD-32QAM信号OSNR范围为24-37dB,RCD范围为0-200ps/nm以及SVDD-64QAM信号OSNR范围为27-40dB,RCD范围为0-200ps/nm。
具体地,关于模式识别问题,假设模板库中有M种模式向量s1,s2,…,sM,通过相似度测量,未知向量通过与M种已知模式向量对比确定其模式类别。除了欧式距离函数之外,两向量之间夹角的余弦函数值也是一种相似度测量的有效度量,其表达式为:这里,|| ||2为l2范数操作,T表示转置操作。如果则未知模式向量与已知模式向量si最相似。
在本发明的实施例中,为验证上述实施例的有效性,利用VPI TransmissionMaker9.3与Matlab联合仿真搭建了如图4所示的SVDD短距光传输系统,其仿真参数详细如下:在发射端,首先通过PBS将线宽为100kHz的外腔激光器发射的连续波分为X和Y偏振光。Y偏振光仅作为载波。X偏振光传输至任意波形发生器驱动的IQ调制器后,产生各种不同的调制信号,例如波特率不同,调制格式不同等。此外,要注意的是,发射端所用脉冲整形滤波器为平方根升余弦有限脉冲响应滤波器,滚降系数为0.75。随后,将经过调制的X偏振光与Y载波偏振光通过光偏振合束器(Polarization Beam Combiner,PBC)耦合。为了模拟不同信道损伤,使用了两个重要的模块。一个模块是标准单模光纤,可以通过协调设置其长度和CD系数来诱发不同程度的CD。另一个模块由放大自发辐射(Amplified Spontaneous Emission,ASE)源和可变光衰减器组成,用于调节光信号的OSNR。此外,还利用带宽为波特率1.2倍的光学带通滤波器消除带外噪声。在接收终端,Stokes矢量接收机以上述步骤S1所述的方式直接检测Stokes矢量。注意,在每种相同的传输场景下,通过改变随机数种子进行50次独立的数据捕获,每次捕获符号数为32768。
本发明实施例主要包括两部分:第一部分为联合调制格式识别和OSNR监测;第二部分为多参数联合监测,包括调制格式识别、OSNR监测以及RCD估计,下面分两部分详细阐述。
(1)第一部分,联合调制格式识别和OSNR监测
利用图4所示SVDD短距通信数字仿真系统,获取了六种常用调制格式不同OSNR范围的数据集,包括:SVDD-BPSK@9-22dB、SVDD-QPSK@13-26dB、SVDD-8QAM@18-31dB、SVDD-16QAM@20-33dB、SVDD-32QAM@24-37dB、SVDD-64QAM@27-40dB。为了验证不同调制格式所选OSNR范围的合理性,计算了上述六种调制格式不同OSNR下的误码率(Bits Error Rate,BER)性能,如图5所示。可以看到,对于SVDD-BPSK,SVDD-QPSK,SVDD-8QAM,SVDD-16QAM,SVDD-32QAM和SVDD-64QAM调制格式信号的对应7%FEC阈值的OSNR值分别为10.8dB、14.7dB、19.5dB、22.2dB、25.8dB和29.2dB。显然,对应7%前向纠错(Forward ErrorCorrection,FEC)阈值的OSNR值都在所选的OSNR范围内,因此本发明认为所选OSNR范围是合理的。
首先,考虑到本发明光性能监测准确性和响应度之间的权衡,对执行本发明实施例所需符号数进行了调查。此外,基于SVDD接收信号星座图关于原点的对称性,折叠操作相比与未折叠操作,相当于将符号数急剧增加了4倍。因此,还考虑了折叠操作对本发明实施例的影响。值得注意的是,此时网格数N设置为10。图6(a)为进行折叠操作/不进行折叠操作,OSNR监测的随符号数变化曲线图。显然,与非折叠操作相比,折叠操作使得OSNR监测大大提高。此外,可以看到,在折叠操作下,当符号数大于8192时,OSNR监测性能基本稳定。因此,为了实现联合调制格式识别和OSNR监测的最佳性能,在以下仿真中将使用8192个符号和进行折叠操作。
接着,讨论影响本发明实施例性能的另一个重要参数,网格数。图6(b)为进行折叠操作下,OSNR监测的平均绝对误差(Mean Absolute Error,MAE)随网格数变化曲线图。当网格数较少时,平均MAE随网格数的增加而急剧下降。当网格数大于10时,平均MAE随着网格数的增加而略有波动。因此认为,网格数设置为10,本发明实施例可以实现最佳性能。值得注意的是,所有后续仿真均基于此调查得出的网格数量。
图7为调制格式识别率随OSNR变化曲线图,这六个调制格式的识别率在选定的合理OSNR范围内均为100%。图8(a)~(b)分别为SVDD-BPSK、SVDD-QPSK、SVDD-8QAM、SVDD-16QAM、SVDD-32QAM、SVDD-64QAM调制格式信号的OSNR监测性能图。它们的OSNR监测平均MAE分别为0.03dB、0.22dB、0.36dB、0.41dB、0.46dB和0.49dB。值得注意的是,OSNR监测精度随着调制格式阶数的增加逐渐降低,这是由于更高阶的调制格式信号对ASE噪声更敏感导致的。
(2)第二部分,多参数联合监测。
鉴于提出的基于轨迹信息的方案用于执行联合调制格式识别和OSNR监测时出色的性能,接下来尝试增加另一种光学参数进行监测,即RCD估计,以进一步验证轨迹信息包含有丰富的光学参数特性。值得注意的是,本部分中使用的参数都是第一部分讨论的最佳参数。此外,为了验证多参数光性能监测的性能(包括调制格式识别,OSNR监测和RCD估计),本发明使用图4所示的SVDD短距通信数字仿真系统获取的数据如图9所示,共获取170100个数据集,包括3种调制格式、27种OSNR、21种RCD以及100种PRBS。图10(a)~(c)分别为SVDD-8QAM、SVDD-16QAM、SVDD-32QAM调制格式信号的调制格式识别率随OSNR和RCD变化趋势图。图中的黑色虚线表示在所有考虑的OSNR范围内达到100%调制格式识别率的最大容忍RCD量。从图10可以看出,SVDD-8QAM的OSNR范围为18~31dB,RCD范围为0~200ps/nm下皆可被100%识别,SVDD-16QAM的OSNR范围为20~33dB,RCD范围为0~190ps/nm下皆可被100%识别,SVDD-32QAM信号的识别性能最差,OSNR范围为24~37dB,RCD范围为0~160ps/nm下皆可被100%识别。此外,可以看出随调制格式的阶数增加,所提出的基于轨迹信息的光性能监测方案对噪声(包括ASE噪声和RCD)的容忍度逐渐降低。
根据上述分析,本发明仅选择0-160ps/nm的RCD范围来分析本发明实施例OSNR监测和RCD估计性能,以确保调制格式识别率保持100%。图11(a)为OSNR监测的平均MAE随真实OSNR变化曲线。容易获得SVDD-8QAM,SVDD-16QAM和SVDD-32QAM的OSNR监测的平均MAE分别为0.76dB,0.92dB和1.57dB。从图11(b)可以看出,随着RCD的增加,OSNR监测误差逐渐增大,这是由于RCD的增加导致信号质量的严重下降所致。当RCD范围分别为0-160ps/nm和0-100ps/nm时,SVDD-8QAM和SVDD-16QAM的OSNR监测的平均MAE保持在1dB以内。对于SVDD-32QAM,OSNR监测性能最差,当RCD范围为0-130ps/nm时,OSNR监测的平均MAE也可以保持在2dB左右,达到较好的性能。
图12(a)和(b)分别是RCD估计的平均MAE随OSNR和真实RCD变化曲线。本发明可以看到,随着OSNR的增加,RCD估计的平均MAE逐渐减小。此外,在合理的OSNR范围内,这三种常用调制格式的估计RCD的平均MAE分别为2.82ps/nm,3.21ps/nm和3.65ps/nm,远小于信号通过1km标准单模光纤累积色散量。因此,本发明提出的基于轨迹信息的多参数光性能监测方案可以准确地估计RCD。未来,该模块可被部署在短距离通信网络的SVDD系统的DSP模块中,将大大提高CD补偿模块的补偿精度和自适应性。
在本发明的实施例中,为了验证所提出方法对波特率的鲁棒性,本发明选择14GBaud信号作为28GBaud信号的参考,以进行多参数SVDD光性能监测的性能比较。值得注意的是,即使在所选整个OSNR范围内RCD高达200ps/nm,14GBaud SVDD-8QAM,SVDD-16QAM和SVDD-32QAM信号的调制格式识别成功率也均为100%。另外,通过图13(a)所示的14GBuad和28GBaud信号的OSNR监测平均MAE的结果比较,可以出,14GBaud信号的OSNR监测性能优于28GBaud信号,监测误差仅为0.7dB。这些实验现象全都归因于较低波特率信号对噪声的更大容忍度。但是,从图13(b)可以看出,对于14GBaud的信号,RCD的估计MAE明显高于28GBaud的信号,这是因为波特率较低的信号可以容忍更大程度的脉冲展宽,这使得与28GBaud信号相比,10ps/nm跨度对信号质量的影响差异性较小。尽管如此,该方法对14GBuad信号的RCD的估计精度也很精确,估计误差仅为10.4ps/nm。根据以上分析,可以得出该发明实施例所提方法对波特率具有很强的鲁棒性。
在本发明的实施例中,还分析了作为评估所提出光性能监测方法性能关键指标的计算复杂度。值得注意的是,用于模板匹配的已知模式向量是事先计算并存储在计算机内存中的,因此,只需要考虑未知信号的特征提取和进行模板匹配的计算复杂性。使用接收到的N个符号完成轨迹信息的量化,构造权重系数矩阵A的计算复杂度为O(N)。令m表示总的网格数,获得与最大特征值相对应特征向量的计算复杂度为O(m2)。在模板匹配阶段,计算余弦值的计算复杂度为O(m)。设k为模板库中存储的已知模式向量的数量,则搜索余弦最大值的计算复杂度为O(klogk)。最终,得到本发明实施例所提光性能监测方法总计算复杂度为O(N),因为m和k两者皆为常数。
在本发明的另一个实施例中,如图14所示,本发明提供了一种光性能监测装置,包括:信号预处理模块,用于搭建SVDD短距光传输数字仿真系统,对获取不同调制格式受到不同信道损伤的待处理SVDD信号进行预处理,并以每符号一个样值为标准进行重采样。特征提取模块,用于根据重采样后的SVDD信号时序和位置信息进行轨迹信息的量化处理,并利用特征分析提取轨迹信息中的隐藏特征。匹配模块,用于利用余弦相似度算法通过模板库对隐藏特征进行匹配,实现光性能监测。
如图14所示,本实施例提供的光性能监测装置可以执行上述方法实施例所示的技术方案,其实现原理与有益效果类似,此处不再赘述。
在本发明的另一个实施例中,本发明提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现上述任一所述的光性能监测方法。
在本发明的另一个实施例中,本发明提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行,以实现上述任一所述的光性能监测方法。
在本发明的实施例中,电子设备可以包括:处理器,存储器,总线和通信接口,处理器、通信接口和存储器通过总线连接,存储器中存储有可在处理器上运行的计算机程序,处理器运行该计算机程序时执行本申请前述任一实施方式所提供的光性能监测方法。
本申请的另一个实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行,以实现前述任一实施例中任一所述的光性能监测方法。
上述计算机可读存储介质可以中由任何类型的易失性或非易失性存储设备或他们的组合实现,如静态随机存取存储器(SRAM),可擦除可维和只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘,可读存储介质可以是通用或专用计算机能够存取的任何可用介质。可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息,可读存储介质也可以是处理器组成部分,处理器和可读存储介质可以位于专用集成电路(ASIC)中,处理器和可读存储介质也可以作为分立组件存在于光性能监测装置中。
本申请的实施例可提供为方法、系统、或计算机程序产品,因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且本发明可采用一个或多个其中包括有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程和/或方框图来描述的,应理解可由计算机程序指令实现流程图和/或方框图中每一流程和/或方框图、以及流程图和/或方框图的结合,可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图中一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (7)
1.一种光性能监测方法,其特征在于,包括以下步骤:
S1、搭建Stokes矢量直接检测SVDD短距光传输数字仿真系统,对获取不同调制格式受到不同信道损伤的待处理SVDD信号进行预处理,并以每符号一个样值为标准进行重采样;
所述步骤S1包括以下步骤:
S101、通过调整Stokes矢量直接检测SVDD短距光传输数字仿真系统中发射机的调制格式参数、在光信噪比OSNR设置模块中加入放大自发辐射ASE噪声以及在光纤中引入色散,获取不同调制格式受到不同信道损伤的待处理SVDD信号;
S102、对待处理SVDD信号进行基于Stokes空间的偏振态旋转RSOP均衡处理,以及基于色散扫描的频域色散粗补偿;
S103、以每符号一个样值为标准进行重采样,其中重采样为一倍采样,且重采样的SVDD信号仅包括S2分量和S3分量,同时刻的S2分量和S3分量组成一个复信号符号,其中S2分量为接收符号的同相分量,S3分量为接收符号的正交分量;S2、根据重采样后的SVDD信号时序和位置信息进行轨迹信息的量化处理,并利用特征分析提取轨迹信息中的隐藏特征;
所述步骤S2包括以下步骤:
S201、对重采样后的SVDD复信号符号进行归一化处理,使其S2分量和S3分量均位于[-1,1]内,并对S2分量和S3分量执行折叠操作;
S202、将范围为[0,1]的方形区域等分为N*N个网格,将每个网格作为一个状态标签,并从下至上,从左至右赋予状态标签从1到N*N,其中,网格数N为10;
S203、根据折叠结果,将每个时刻SVDD复信号符号的位置赋予相应的状态标签属性,从接收到的第一个时刻SVDD复信号符号对应的状态标签开始,直线连接相邻时刻SVDD复信号符号对应的状态标签,直至连接至最后一个时刻SVDD复信号符号对应的状态标签;
S204、将任意两个状态标签之间的连线数量作为权重系数,并通过计算任意两个状态标签之间的权重系数建立权重系数矩阵,实现轨迹信息的量化处理;
S205、利用特征分析提取权重系数矩阵中最大特征值对应的特征向量,得到隐藏特征;
S3、利用余弦相似度算法通过模板库对隐藏特征进行匹配,实现光性能监测。
2.根据权利要求1所述的光性能监测方法,其特征在于,所述待处理SVDD信号中的符号数为8192。
3.根据权利要求2所述的光性能监测方法,其特征在于,所述计算任意两个状态标签之间的权重系数建立在无向假设基础上,其值表示为:
Aij=Aji:=Aij+Aji
其中,赋值符号右端Aij表示从状态i到状态j的跳变次数,Aji表示从状态j到状态i的跳变次数,:=表示赋值符号。
4.根据权利要求1所述的光性能监测方法,其特征在于,所述步骤S3模板库中包括的光参数包括:SVDD-BPSK信号OSNR范围为9-22dB,残余色散范围为0-200ps/nm;SVDD-QPSK信号OSNR范围为13-26dB,RCD范围为0-200ps/nm;SVDD-8QAM信号OSNR范围为18-31dB,RCD范围为0-200ps/nm;SVDD-16QAM信号OSNR范围为20-33dB,RCD范围为0-200ps/nm;SVDD-32QAM信号OSNR范围为24-37dB,RCD范围为0-200ps/nm以及SVDD-64QAM信号OSNR范围为27-40dB,RCD范围为0-200ps/nm。
5.如权利要求1-4任一所述的光性能监测方法的光性能监测装置,其特征在于,包括:
信号预处理模块,用于搭建SVDD短距光传输数字仿真系统,对获取不同调制格式受到不同信道损伤的待处理SVDD信号进行预处理,并以每符号一个样值为标准进行重采样;
特征提取模块,用于根据重采样后的SVDD信号时序和位置信息进行轨迹信息的量化处理,并利用特征分析提取轨迹信息中的隐藏特征;
匹配模块,用于利用余弦相似度算法通过模板库对隐藏特征进行匹配,实现光性能监测。
6.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现权利要求1-4中任一所述的光性能监测方法。
7.一种计算机可读存储介质,其存储有计算机程序,其特征在于,所述计算机程序被处理器执行,以实现如权利要求1-4中任一所述的光性能监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110643241.8A CN113364519B (zh) | 2021-06-09 | 2021-06-09 | 一种光性能监测方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110643241.8A CN113364519B (zh) | 2021-06-09 | 2021-06-09 | 一种光性能监测方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113364519A CN113364519A (zh) | 2021-09-07 |
CN113364519B true CN113364519B (zh) | 2023-02-24 |
Family
ID=77533434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110643241.8A Active CN113364519B (zh) | 2021-06-09 | 2021-06-09 | 一种光性能监测方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113364519B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114584212B (zh) * | 2022-04-15 | 2023-12-08 | 中国电子科技集团公司第三十四研究所 | 一种特征相似度分析的调制格式与光信噪比监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1298485A2 (en) * | 2001-09-28 | 2003-04-02 | Fujitsu Limited | Method, device, and system for waveform shaping of signal light |
CN101286801A (zh) * | 2008-05-12 | 2008-10-15 | 华中科技大学 | 一种光频域光纤传输系统 |
CN101965698A (zh) * | 2009-03-27 | 2011-02-02 | 富士通株式会社 | 色散均衡装置和方法以及数字相干光接收机 |
CN102170312A (zh) * | 2011-04-26 | 2011-08-31 | 聊城大学 | 一种自适应偏振模色散补偿方法 |
CN102884736A (zh) * | 2012-06-28 | 2013-01-16 | 华为技术有限公司 | 一种光纤链路非线性传输损伤的计算方法和装置 |
JP2019004253A (ja) * | 2017-06-13 | 2019-01-10 | 日本電信電話株式会社 | 光増幅装置およびそれを用いた光伝送システム |
CN110149284A (zh) * | 2018-02-12 | 2019-08-20 | 华为技术有限公司 | 一种信道损伤估计方法与装置 |
CN110888142A (zh) * | 2019-11-15 | 2020-03-17 | 山西大学 | 基于mems激光雷达测量技术的航天器隐藏目标点测量方法 |
CN110933005A (zh) * | 2019-12-09 | 2020-03-27 | 北京理工大学 | 一种密度聚类的调制格式识别与osnr估计的联合方法 |
CN111585657A (zh) * | 2020-05-08 | 2020-08-25 | 中山大学 | 基于低速窄带宽相干接收机的偏振态跟踪系统方案 |
CN111970050A (zh) * | 2020-07-14 | 2020-11-20 | 电子科技大学 | 一种基于异常检测的联合监测调制格式和光信噪比的系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1301907B1 (it) * | 1998-08-05 | 2000-07-07 | Telital Spa | Ricevitore per segnali digitali che si propagano in canali con camminimultipli. |
US7869680B2 (en) * | 2004-07-02 | 2011-01-11 | Olambda, Inc. | Nonlinearity compensation in a fiber optic communications system |
US20060029398A1 (en) * | 2004-08-06 | 2006-02-09 | Li Liu | Transmission of optical signals of different modulation formats in discrete bands |
CN101662704B (zh) * | 2008-08-26 | 2012-09-05 | 华为技术有限公司 | 获取光波长路径的方法、系统和节点设备 |
CA2814578A1 (en) * | 2012-04-24 | 2013-10-24 | The Royal Institution For The Advancement Of Learning/Mcgill University | Method and system for optical receivers |
RU2696560C2 (ru) * | 2015-03-09 | 2019-08-05 | ИСиАй ТЕЛЕКОМ ЛТД. | Способ контроля функционирования каналов и система оптической связи |
-
2021
- 2021-06-09 CN CN202110643241.8A patent/CN113364519B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1298485A2 (en) * | 2001-09-28 | 2003-04-02 | Fujitsu Limited | Method, device, and system for waveform shaping of signal light |
CN101286801A (zh) * | 2008-05-12 | 2008-10-15 | 华中科技大学 | 一种光频域光纤传输系统 |
CN101965698A (zh) * | 2009-03-27 | 2011-02-02 | 富士通株式会社 | 色散均衡装置和方法以及数字相干光接收机 |
CN102170312A (zh) * | 2011-04-26 | 2011-08-31 | 聊城大学 | 一种自适应偏振模色散补偿方法 |
CN102884736A (zh) * | 2012-06-28 | 2013-01-16 | 华为技术有限公司 | 一种光纤链路非线性传输损伤的计算方法和装置 |
JP2019004253A (ja) * | 2017-06-13 | 2019-01-10 | 日本電信電話株式会社 | 光増幅装置およびそれを用いた光伝送システム |
CN110149284A (zh) * | 2018-02-12 | 2019-08-20 | 华为技术有限公司 | 一种信道损伤估计方法与装置 |
CN110888142A (zh) * | 2019-11-15 | 2020-03-17 | 山西大学 | 基于mems激光雷达测量技术的航天器隐藏目标点测量方法 |
CN110933005A (zh) * | 2019-12-09 | 2020-03-27 | 北京理工大学 | 一种密度聚类的调制格式识别与osnr估计的联合方法 |
CN111585657A (zh) * | 2020-05-08 | 2020-08-25 | 中山大学 | 基于低速窄带宽相干接收机的偏振态跟踪系统方案 |
CN111970050A (zh) * | 2020-07-14 | 2020-11-20 | 电子科技大学 | 一种基于异常检测的联合监测调制格式和光信噪比的系统 |
Non-Patent Citations (1)
Title |
---|
基于异步延迟采样的光通信性能监测方法;赖俊森等;《光学学报》;20121110(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113364519A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108880692B (zh) | 一种相干光通信系统调制格式识别和光信噪比监控方法 | |
WO2016173324A1 (zh) | 一种光信噪比监测的方法及装置 | |
CN109347776B (zh) | 一种差分相位幅度比的光通信信号调制格式识别方法 | |
Zhao et al. | A modulation format identification method based on information entropy analysis of received optical communication signal | |
CN113285758A (zh) | 一种基于ipca-dnn算法的光纤非线性均衡方法 | |
CN113364519B (zh) | 一种光性能监测方法、装置、电子设备以及存储介质 | |
Yang et al. | Modulation format identification using graph-based 2D stokes plane analysis for elastic optical network | |
CN114553315B (zh) | 基于CNN-biRNN的光纤非线性均衡方法及系统 | |
CN109450836A (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 | |
CN114285715B (zh) | 基于双向gru-条件随机场的非线性均衡方法 | |
Feng et al. | Intelligent optical performance monitoring based on intensity and differential-phase features for digital coherent receivers | |
Ma et al. | Modulation format identification based on constellation diagrams in adaptive optical OFDM systems | |
CN114513394A (zh) | 一种基于注意力机制图神经网络的信号调制格式识别方法、系统、装置及存储介质 | |
Kotlyar et al. | Machine learning for performance improvement of periodic NFT-based communication system | |
Zhang et al. | Hardware-efficient and accurately frequency offset compensation based on feedback structure and polar coordinates processing | |
Zhou et al. | Simultaneous baud rate/modulation format identification and multi-parameter optical performance monitoring using multi-task learning with enhanced picture of Radon transform | |
CN112613538A (zh) | 一种基于加权主成分分析的非线性均衡方法 | |
CN114598581B (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 | |
Zhou et al. | Fractal dimension aided modulation formats identification based on support vector machines | |
Yang et al. | Joint modulation format identification and OSNR estimation method based on trajectory information analysis | |
Chai et al. | Cost-effective OSNR monitoring with large chromatic dispersion tolerance using random forest for intermediate nodes | |
Yang et al. | Low-complexity modulation format identification scheme via graph-theory in digital coherent optical receivers | |
Fan et al. | Deep learning assisted pre-carrier phase recovery EVM estimation for coherent transmission systems | |
CN113285762B (zh) | 一种基于相对熵计算的调制格式识别方法 | |
Yu et al. | Joint multi-parameter optical performance monitoring scheme based on trajectory information for a Stokes vector direct detection system |
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 |