CN114499679B - 多波段拉曼放大器设计方法及系统 - Google Patents
多波段拉曼放大器设计方法及系统 Download PDFInfo
- Publication number
- CN114499679B CN114499679B CN202210087846.8A CN202210087846A CN114499679B CN 114499679 B CN114499679 B CN 114499679B CN 202210087846 A CN202210087846 A CN 202210087846A CN 114499679 B CN114499679 B CN 114499679B
- Authority
- CN
- China
- Prior art keywords
- optical
- signal
- raman
- mapping
- raman pump
- 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
- 238000001069 Raman spectroscopy Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013461 design Methods 0.000 title claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims abstract description 115
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 230000003321 amplification Effects 0.000 claims abstract description 25
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 25
- 238000003062 neural network model Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 24
- 239000000835 fiber Substances 0.000 claims description 15
- 239000013307 optical fiber Substances 0.000 claims description 15
- 230000008054 signal transmission Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000002269 spontaneous effect Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 229910052691 Erbium Inorganic materials 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- H04B10/29—Repeaters
- H04B10/291—Repeaters in which processing or amplification is carried out without conversion of the main signal from optical form
- H04B10/293—Signal power control
- H04B10/294—Signal power control in a multiwavelength system, e.g. gain equalisation
- H04B10/2942—Signal power control in a multiwavelength system, e.g. gain equalisation using automatic gain control [AGC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- H04B10/29—Repeaters
- H04B10/291—Repeaters in which processing or amplification is carried out without conversion of the main signal from optical form
- H04B10/2912—Repeaters in which processing or amplification is carried out without conversion of the main signal from optical form characterised by the medium used for amplification or processing
- H04B10/2916—Repeaters in which processing or amplification is carried out without conversion of the main signal from optical form characterised by the medium used for amplification or processing using Raman or Brillouin amplifiers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
本发明提供了一种多波段拉曼放大器设计方法及系统，包括：根据链路情况和光信号配置生成数据集；利用数据集训练神经网络模型，以得到拉曼放大模型；根据拉曼放大模型，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。与现有技术相比，本发明针对给定的链路情况和光信号配置生成数据集，利用神经网络分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的映射；利用建立好的拉曼放大模型，以最大化波分复用系统的平均广义信噪比为优化目标，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化，提升了拉曼放大器放大的信号的信噪比。
Description
技术领域
本发明涉及光通信器件制造及光通信应用技术领域，具体地，涉及一种多波段拉曼放大器设计方法及系统。
背景技术
在现代城域光通信网络和中长距光通信系统中，通常需要在链路中部署光放大器来补偿光信号在光纤中传输时遭受的衰减；现有的光通信网络中通常采用掺铒光纤放大器(EDFA)来放大C波段中的光信号。然而，随着近年来5G移动网络、云计算服务等技术的发展，光网络通信流量正逐年飞速上升，传统C波段无法很好地满足未来的通信容量需求；而被广泛使用的EDFA无法被很好地应用于C波段以外的波段。拉曼放大器具有可以工作在任意波段下、提供比较宽的增益谱线、噪声系数小的优点，是很好的可以用于多波段通信系统的光放大器件。现有技术中，EDFA与拉曼放大联合使用，可以取得更好的效果。在拉曼放大器设计过程中，正确地配置拉曼泵浦光功率是关键。
然而，传统的应用于EDFA和拉曼联合放大架构下的拉曼放大器设计方法存在明显提升空间。传统的设计目标包括：使拉曼放大器增益尽可能大、使拉曼放大器增益谱线尽可能平坦等。然而，实际应用中，并不是增益越大越好、增益谱越平坦越好：首先，在增益过大时，光信号功率也会升高，产生更加严重的非线性串扰噪声，反而损伤信号质量；其次，在多波段系统中，受激拉曼散射会使得位于较短波长处的信号功率向位于较长波长处的信号功率转移，因此，为了补偿信号间的受激拉曼散射效应带来的影响，设计的拉曼放大增益谱线应带有一定倾斜角度，而非是绝对平坦的。综上所述，传统的对拉曼放大器的设计目标过于简单，虽然能起到放大光信号的效果，但无法使信号质量达到最优，信号质量仍有很大提升空间。
专利文献CN105210313A公开了一种优化光通信网络性能的方法及装置，该方法包括：收集光通信网络的网络状态信息；根据所述网络状态信息确定所述光通信网络对应的目标非线性噪声系数增强因子α；获得目标α下的多组泵浦功率组合对应的多组目标NF和目标Leff；利用所述目标α、目标NF和目标Leff，计算得到所述光通信网络的多个等效光信噪比从所述中，选择最大的按照所述最大的对应的泵浦功率组合中的功率值调整所述至少一个多阶拉曼光纤放大器。但该方法并未解决拉曼放大器虽然能起到放大光信号的效果，但无法使信号质量达到最优的问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种多波段拉曼放大器设计方法及系统。
根据本发明提供的一种多波段拉曼放大器设计方法，包括：
步骤1：根据链路情况和光信号配置生成数据集；
步骤2：利用数据集训练神经网络模型，以得到拉曼放大模型；
步骤3：根据拉曼放大模型，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
优选地，链路情况包括光链路参数，光信号配置包括光信号参数，步骤1，包括：
步骤101：根据光链路参数、光信号参数和传输方程，得到数据集，传输方程表示信号光和/或拉曼泵浦光在光纤中传输。
优选地，步骤2，包括：
步骤201：根据数据集，利用神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的第二映射。
优选地，步骤3，包括：
步骤301：根据第一映射和第二映射，确定从多个拉曼泵浦光功率到平均广义信噪比的第三映射；
步骤302：根据第三映射，得到目标函数；
步骤303：根据目标函数和梯度下降算法，对多个拉曼泵浦光功率进行优化。
优选地，步骤303，包括：
步骤3031：根据梯度下降算法得到目标函数的梯度值；
步骤3032：根据梯度值更新多个拉曼泵浦光功率；
步骤3033：重复执行步骤3031和步骤3032，直到迭代次数达到预设阈值，得到多个优化拉曼泵浦光功率；
步骤3034：根据多个优化拉曼泵浦光功率，设置拉曼泵浦光的功率。
根据本发明提供的一种多波段拉曼放大器设计系统，包括：
模块M1：根据链路情况和光信号配置生成数据集；
模块M2：利用数据集训练神经网络模型，以得到拉曼放大模型；
模块M3：根据拉曼放大模型，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
优选地，链路情况包括光链路参数，光信号配置包括光信号参数，模块M1，包括：
子模块M101：根据光链路参数、光信号参数和传输方程，得到数据集，传输方程表示信号光和/或拉曼泵浦光在光纤中传输。
优选地，模块M2，包括：
子模块M201：根据数据集，利用神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的第二映射。
优选地，模块M3，包括：
子模块M301：根据第一映射和第二映射，确定从多个拉曼泵浦光功率到平均广义信噪比的第三映射；
子模块M302：根据第三映射，得到目标函数；
子模块M303：根据目标函数和梯度下降算法，对多个拉曼泵浦光功率进行优化。
优选地，子模块M303，包括：
单元D3031：根据梯度下降算法得到目标函数的梯度值；
单元D3032：根据梯度值更新多个拉曼泵浦光功率；
单元D3033：重复执行单元D3031和单元D3032，直到迭代次数达到预设阈值，得到多个优化拉曼泵浦光功率；
单元D3034：根据多个优化拉曼泵浦光功率，设置拉曼泵浦光的功率。
与现有技术相比，本发明具有如下的有益效果：
1、本发明利用梯度下降算法对多个拉曼泵浦光功率进行优化，具备提升经由被拉曼放大器放大的信号的信噪比的能力。
2、本发明包括针对给定的链路情况和光信号配置生成数据集，利用神经网络分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的映射；利用建立好的拉曼放大模型，以最大化波分复用系统的平均广义信噪比为优化目标，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
3、本发明结构合理，使用方便，能够克服现有技术的缺陷。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的流程示意图；
图2为本发明的效果对比的示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1为本发明的流程示意图，如图1所示，本发明提供了一种多波段拉曼放大器设计方法，包括：
步骤1：根据链路情况和光信号配置生成数据集。
优选地，链路情况包括光链路参数，光信号配置包括光信号参数，步骤1，包括：步骤101：根据光链路参数、光信号参数和传输方程，得到数据集，传输方程表示信号光和/或拉曼泵浦光在光纤中传输。
具体的，设置光链路参数，其中，光链路参数包括光纤长度L、光纤种类及对应的衰减系数α和跨段数量Nspan等；设置光信号参数，光信号参数包括信道数量N、每个信道的信号频率f或v和对应波长λ、每个信道的信号调制格式和每个信道的带宽Bref；设置矢量x为拉曼放大器的配置矢量，示例性的，x可以为拉曼泵浦光功率的配置矢量，x第i个分量表示NPump个不同波长的拉曼泵浦光源中第i个光源的光功率，对于任意一个x，解描述信号光和/或拉曼泵浦光在光纤中传输的传输方程，传输方程可以表示为公式(1)和公式(2)。
其中，表示泵浦光或信号光的功率；PASE，m表示泵浦光或信号光处的放大自发辐射噪声功率；CR表示拉曼增益效率；/> 决定了对应的是泵浦光还是信号光；PS，k表示第k个信道处信号光的功率；S是信号光(Signal)的标记；k表示信道的序号；ASE表示放大的自发辐射(Amplified Spontaneous Emission)；/>h是普朗克常数；kB是玻尔兹曼常数；T表示温度；dz表示对沿光纤的距离z进行微分；λm表示第m个信道的波长；λn表示第n个信道的波长；vn表示第n个信道的信号频率；αm表示光纤在第m个信道处对应的衰减系数。
通过求解公式(1)和公式(2)组成的微分方程组的数值解可获得传输后的每个信道的信号光功率和放大自发辐射噪声功率/>
然后，根据公式(3)计算得出传输后每个信道的非线性串扰噪声功率
其中，ASE表示放大的自发辐射(Amplified Spontaneous Emission)；NLI表示非线性干扰(Nonlinear Interference)；γ表示光纤的非线性系数；表示光纤入射端处的第i个信道的信号光功率，上标0表示入射端的标记；/> Lspan表示每个跨段的光纤长度；/>表示第i+NPump个信道处泵浦光或信号光的功率，P是泵浦光(Pump)的标记，S是信号光(Signal)的标记；z表示沿着光纤的距离；ζ表示被积分的沿着光纤的距离，用于与z区分开；j表示复数单位；β2表示光纤的二阶色散系数。
进一步地，根据每个信道的信号光功率和放大自发辐射噪声功率/>可计算出广义信噪比/>调整多个不同的x，将对应的所有/>和保存下来，形成数据集。
步骤2：利用数据集训练神经网络模型，以得到拉曼放大模型。
优选地，步骤2，包括：步骤201：根据数据集，利用神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的第二映射。
优选地，神经网络模型为人工神经网络。
具体地，利用生成的数据集，将不同的拉曼放大器配置矢量x作为输入参数，和/>分别作为输出参数，训练人工神经网络，分别对/>和/>进行建模，以建立起从x到/>的第二映射/>和从x到/>的第一映射/>得到拉曼放大模型。
步骤3：根据拉曼放大模型，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
优选地，步骤3，包括：步骤301：根据第一映射和第二映射，确定从多个拉曼泵浦光功率到平均广义信噪比的第三映射；步骤302：根据第三映射，得到目标函数；步骤303：根据目标函数和梯度下降算法，对多个拉曼泵浦光功率进行优化。
具体地，利用建立好的拉曼放大模型中的第一映射和第二映射，建立起平均广义信噪比关于x的第三映射/>具体地，可以通过公式(4)表示。
其中，表示所有信道的广义信噪比的对数表示的算数平均值，广义信噪比的对数表示与广义信噪比的关系为GSNRdB(x)＝10·log10(GSNR(x))；GSNRi(x)表示第i个信道的广义信噪比；/>表示链路中的掺铒光纤放大器在第i个信道的等效噪声系数，可被表达为/>gi表示第i个信道的增益，/>表示第i个信道的噪声系数；vi表示第i个信道的信号频率。
在本发明中梯度下降算法表示为：初始化一个随机的拉曼泵浦光功率的配置矢量x0；从x0为初始值出发，定义目标函数为公式(4)的倒数，计算出目标函数的梯度值，利用梯度值更新所述的拉曼泵浦光功率的配置矢量；重复上述过程直至迭代次数达到预定义的迭代次数上限值或梯度值小于预定义的门限值；输出结果为最后一次更新后的拉曼泵浦光功率的配置矢量。
优选地，步骤303，包括：步骤3031：根据梯度下降算法得到目标函数的梯度值；步骤3032：根据梯度值更新多个拉曼泵浦光功率；步骤3033：重复执行步骤3031和步骤3032，直到迭代次数达到预设阈值，得到多个优化拉曼泵浦光功率；步骤3034：根据多个优化拉曼泵浦光功率，设置拉曼泵浦光的功率。
具体地，预设阈值可以为预定义的迭代次数上限值或梯度值小于预定义的门限值。
进一步地，利用梯度下降算法输出的拉曼泵浦光功率地配置矢量，将拉曼泵浦光的功率设置为对应的量，完成对多个拉曼泵浦光功率的配置地优化。
图2为本发明的效果对比的示意图，如图2所示，横轴为频率，单位为太赫兹(THZ)，纵轴为广义信噪比，单位为分贝(dB)，实心圆点表示本发明的方法得到的广义信噪比，叉号表示传统方法得到的广义信噪比。使用本发明的方法的多波段拉曼放大器应用于多波段传输仿真系统中，得到的信号质量与传统设计方法进行了对比。本实施例中传输光纤为G.652标准单模光纤，光纤长度为80km，跨段数量为8个，拉曼泵浦个数为5个，泵浦波长为1426nm、1440nm、1454nm、1472nm、1496nm，待放大信号200个，以50GHz的信道间隔分布在从186THz到196THz的频率范围内，每个信号的速率为35GBaud，nm为单位纳米，Hz为单位赫兹，G为单位吉，T为单位太，Baud为单位波特。从图2中可以看出，采用本发明提出的方法设计的拉曼放大器可以使得系统中每个信道的传输信号的广义信噪比均高于传统方法设计的结果。
使用本发明的方法的多波段拉曼放大器的混合式放大系统，包括相连接的链路、拉曼放大器和集总式放大器：链路包括：光纤，用于信号传输，作为拉曼泵浦光的增益介质；拉曼放大器包括：多个拉曼泵浦激光源，用于提供泵浦光，拉曼放大器使用本发明的方法；隔离器，用于防止光射入激光源；耦合器，用于把拉曼泵浦激光源与信号光耦合在一起；集总式放大器包括：增益谱范围合适的掺铒光纤放大器，用于为信号光提供补充增益。
本发明针对给定的链路情况和光信号配置生成数据集，利用神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的第二映射，得到拉曼放大模型；利用建立好的拉曼放大模型，以最大化波分复用系统的平均广义信噪比为优化目标，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
其中，波分复用(Wavelength Division Multiplexing，WDM)是将两种或多种不同波长的光载波信号(携带各种信息)在发送端经复用器(亦称合波器，Multiplexer)汇合在一起，并耦合到光线路的同一根光纤中进行传输的技术；在接收端，经解复用器(亦称分波器或称去复用器，Demultiplexer)将各种波长的光载波分离，然后由光接收机作进一步处理以恢复原信号。这种在同一根光纤中同时传输两个或众多不同波长光信号的技术，称为波分复用。
本发明提供了一种多波段拉曼放大器设计系统，包括：
模块M1：根据链路情况和光信号配置生成数据集。
优选地，链路情况包括光链路参数，光信号配置包括光信号参数，模块M1，包括：子模块M101：根据光链路参数、光信号参数和传输方程，得到数据集，传输方程表示信号光和/或拉曼泵浦光在光纤中传输。
模块M2：利用数据集训练神经网络模型，以得到拉曼放大模型。
优选地，模块M2，包括：子模块M201：根据数据集，利用神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的第二映射。
模块M3：根据拉曼放大模型，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
优选地，模块M3，包括：子模块M301：根据第一映射和第二映射，确定从多个拉曼泵浦光功率到平均广义信噪比的第三映射；子模块M302：根据第三映射，得到目标函数；子模块M303：根据目标函数和梯度下降算法，对多个拉曼泵浦光功率进行优化。
优选地，子模块M303，包括：单元D3031：根据梯度下降算法得到目标函数的梯度值；单元D3032：根据梯度值更新多个拉曼泵浦光功率；单元D3033：重复执行单元D3031和单元D3032，直到迭代次数达到预设阈值，得到多个优化拉曼泵浦光功率；单元D3034：根据多个优化拉曼泵浦光功率，设置拉曼泵浦光的功率。
本发明解决的技术问题是：
1、传统的对拉曼放大器的设计目标过于简单，虽然能起到放大光信号的效果，但无法使信号质量达到最优。
本发明的技术原理是：
本发明以最大化多波段通信总容量为设计目标，包括生成数据集，利用数据集进行神经网络建模建立映射，利用建立的映射建立设计目标同拉曼放大器泵浦光配置之间的关系，基于梯度下降算法优化拉曼放大器泵浦光配置，提升拉曼放大器放大的信号的信噪比。
与现有技术相比，本发明具有以下有益效果：
1、本发明利用梯度下降算法对多个拉曼泵浦光功率进行优化，具备提升经由被拉曼放大器放大的信号的信噪比的能力。
2、本发明包括针对给定的链路情况和光信号配置生成数据集，利用神经网络分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的映射，和从多个拉曼泵浦光功率到经放大后的多个光信号的广义信噪比的映射；利用建立好的拉曼放大模型，以最大化波分复用系统的平均广义信噪比为优化目标，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化。
3、本发明结构合理，使用方便，能够克服现有技术的缺陷。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法子模块M进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (4)
1.一种多波段拉曼放大器设计方法，其特征在于，包括：
步骤1：根据链路情况和光信号配置生成数据集；
步骤2：利用所述数据集训练神经网络模型，以得到拉曼放大模型；
步骤3：根据所述拉曼放大模型，以最大化波分复用系统的平均广义信噪比为优化目标，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化；
所述链路情况包括光链路参数，所述光信号配置包括光信号参数，所述步骤1，包括：
步骤101：根据所述光链路参数、所述光信号参数和传输方程，得到所述数据集，所述传输方程表示信号光和/或拉曼泵浦光在光纤中传输；
所述步骤2，包括：
步骤201：根据所述数据集，利用所述神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从所述多个拉曼泵浦光功率到经放大后的所述多个光信号的广义信噪比的第二映射；
所述步骤3，包括：
步骤301：根据所述第一映射和所述第二映射，确定从所述多个拉曼泵浦光功率到平均广义信噪比的第三映射；
所述平均广义信噪比的第三映射具体为：
其中，表示所有信道的广义信噪比的对数表示的算数平均值，GSNRi(x)表示第i个信道的广义信噪比，/>表示从x到/>的第二映射，/>表示广义信噪比，/>表示从x到/>的第一映射，/>表示每个信道的信号光功率，/>表示链路中的掺铒光纤放大器在第i个信道的等效噪声系数，表达为/> gi表示第i个信道的增益，h是普朗克常数，Bref表示每个信道的带宽，/>表示第i个信道的噪声系数；vi表示第i个信道的信号频率；
步骤302：根据所述第三映射，得到目标函数，所述目标函数为公式(4)的倒数；
步骤303：根据所述目标函数和梯度下降算法，对所述多个拉曼泵浦光功率进行优化。
2.根据权利要求1所述的多波段拉曼放大器设计方法，其特征在于，所述步骤303，包括：
步骤3031：根据所述梯度下降算法得到所述目标函数的梯度值；
步骤3032：根据所述梯度值更新所述多个拉曼泵浦光功率；
步骤3033：重复执行步骤3031和步骤3032，直到迭代次数达到预设阈值，得到多个优化拉曼泵浦光功率；
步骤3034：根据所述多个优化拉曼泵浦光功率，设置拉曼泵浦光的功率。
3.一种多波段拉曼放大器设计系统，其特征在于，包括：
模块M1：根据链路情况和光信号配置生成数据集；
模块M2：利用所述数据集训练神经网络模型，以得到拉曼放大模型；
模块M3：根据所述拉曼放大模型，以最大化波分复用系统的平均广义信噪比为优化目标，利用梯度下降算法对多个拉曼泵浦光功率的配置进行优化；
所述链路情况包括光链路参数，所述光信号配置包括光信号参数，所述模块M1，包括：
子模块M101：根据所述光链路参数、所述光信号参数和传输方程，得到所述数据集，所述传输方程表示信号光和/或拉曼泵浦光在光纤中传输；
所述模块M2，包括：
子模块M201：根据所述数据集，利用所述神经网络模型分别建立起从多个拉曼泵浦光功率到经放大后的多个光信号的光功率的第一映射，和从所述多个拉曼泵浦光功率到经放大后的所述多个光信号的广义信噪比的第二映射；
所述模块M3，包括：
子模块M301：根据所述第一映射和所述第二映射，确定从所述多个拉曼泵浦光功率到平均广义信噪比的第三映射；
所述平均广义信噪比的第三映射具体为：
其中，表示所有信道的广义信噪比的对数表示的算数平均值，GSNRi(x)表示第i个信道的广义信噪比，/>表示从x到/>的第二映射，/>表示广义信噪比，/>表示从x到/>的第一映射，/>表示每个信道的信号光功率，/>表示链路中的掺铒光纤放大器在第i个信道的等效噪声系数，表达为/> gi表示第i个信道的增益，h是普朗克常数，Bref表示每个信道的带宽，/>表示第i个信道的噪声系数；νi表示第i个信道的信号频率；
子模块M302：根据所述第三映射，得到目标函数，所述目标函数为公式(4)的倒数；
子模块M303：根据所述目标函数和梯度下降算法，对所述多个拉曼泵浦光功率进行优化。
4.根据权利要求3所述的多波段拉曼放大器设计系统，其特征在于，所述子模块M303，包括：
单元D3031：根据所述梯度下降算法得到所述目标函数的梯度值；
单元D3032：根据所述梯度值更新所述多个拉曼泵浦光功率；
单元D3033：重复执行单元D3031和单元D3032，直到迭代次数达到预设阈值，得到多个优化拉曼泵浦光功率；
单元D3034：根据所述多个优化拉曼泵浦光功率，设置拉曼泵浦光的功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210087846.8A CN114499679B (zh) | 2022-01-25 | 2022-01-25 | 多波段拉曼放大器设计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210087846.8A CN114499679B (zh) | 2022-01-25 | 2022-01-25 | 多波段拉曼放大器设计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114499679A CN114499679A (zh) | 2022-05-13 |
| CN114499679B true CN114499679B (zh) | 2023-08-25 |
Family
ID=81474788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210087846.8A Active CN114499679B (zh) | 2022-01-25 | 2022-01-25 | 多波段拉曼放大器设计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114499679B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114722758B (zh) * | 2022-05-24 | 2022-09-02 | 北京中昱光通科技有限公司 | 一种提升拉曼光纤放大器性能的方法及系统 |
| CN115276820B (zh) * | 2022-07-29 | 2023-09-01 | 西安电子科技大学 | 一种应用映射辅助的片上光互连光源功率梯度设置方法 |
| CN115314110B (zh) * | 2022-08-08 | 2023-10-20 | 北京邮电大学 | 一种基于分区粒子群优化算法补偿功率倾斜的方法及装置 |
| CN117176246A (zh) * | 2022-09-27 | 2023-12-05 | 中国移动通信集团设计院有限公司 | 性能指标的确定方法、装置、设备和计算机存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1794615A (zh) * | 2004-12-23 | 2006-06-28 | 阿尔卡特公司 | 控制拉曼放大器增益的方法 |
| CN101789829A (zh) * | 2009-12-22 | 2010-07-28 | 高致慧 | 分布式拉曼光纤放大器增益控制方法及装置 |
| CN105210313A (zh) * | 2014-04-23 | 2015-12-30 | 华为技术有限公司 | 一种优化光通信网络性能的方法及装置 |
| CN113746557A (zh) * | 2021-11-08 | 2021-12-03 | 北京邮电大学 | 一种基于掺铒和拉曼放大器的调控方法及混合放大器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10112805B4 (de) * | 2001-03-16 | 2006-11-30 | Siemens Ag | Optisches Übertragungssystem mit verbessertem Signal-zu-Rausch-Verhalten |
| WO2014094814A1 (en) * | 2012-12-17 | 2014-06-26 | Telefonaktiebolaget L M Ericsson (Publ) | Method of configuring an optical communication network configured for co-propagating raman amplification and an optical communication network element |
-
2022
- 2022-01-25 CN CN202210087846.8A patent/CN114499679B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1794615A (zh) * | 2004-12-23 | 2006-06-28 | 阿尔卡特公司 | 控制拉曼放大器增益的方法 |
| CN101789829A (zh) * | 2009-12-22 | 2010-07-28 | 高致慧 | 分布式拉曼光纤放大器增益控制方法及装置 |
| CN105210313A (zh) * | 2014-04-23 | 2015-12-30 | 华为技术有限公司 | 一种优化光通信网络性能的方法及装置 |
| CN113746557A (zh) * | 2021-11-08 | 2021-12-03 | 北京邮电大学 | 一种基于掺铒和拉曼放大器的调控方法及混合放大器 |
Non-Patent Citations (1)
| Title |
|---|
| "Optical Filtering Impairment Monitoring Based on Artificial Neural Network in Coherent Receiver";Qunbi Zhuge等;《2020 Asia Communications and Photonics Conference (ACP) and International Conference on Information Photonics and Optical Communications (IPOC)》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114499679A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114499679B (zh) | 多波段拉曼放大器设计方法及系统 | |
| JP4671478B2 (ja) | 波長多重光通信システムおよび波長多重光通信方法 | |
| EP3591862B1 (en) | Transmitting device, receiving device, optical transmission system, and optical power control method | |
| Cantono et al. | Modelling the impact of SRS on NLI generation in commercial equipment: an experimental investigation | |
| US6377396B1 (en) | Optical amplifiers with variable optical attenuation for use in fiber-optic communications systems | |
| Antona et al. | Transmission systems with constant output power amplifiers at low SNR values: A generalized droop model | |
| US9641252B2 (en) | Method of optimizing optical signal quality in an optical communications link, optical network element and optical communications link | |
| CN204761440U (zh) | 超长距光传输系统 | |
| Rashed et al. | Maximization of repeater spacing in ultrawide-wavelength-division multiplexing optical communication systems based on multipumped laser diodes | |
| CN105093778B (zh) | 光放大器及相关方法 | |
| Ionescu | Machine learning for ultrawide bandwidth amplifier configuration | |
| CN113810110A (zh) | 一种基于混合光纤放大器的传输系统 | |
| Zhang et al. | Raman pump optimization for maximizing capacity of C+ L optical transmission systems | |
| de Moura et al. | Experimental demonstration of arbitrary Raman gain–profile designs using machine learning | |
| Ionescu et al. | Optimization of power efficient spatial division multiplexed submarine cables using adaptive transponders and machine learning | |
| Sindhi et al. | Performance analysis of 32-channel WDM system using erbium doped fiber amplifier | |
| Sutili et al. | Wideband Amplification for the Next Generation of Optical Transport Networks | |
| Riveros et al. | Erbium-doped fiber amplifier design with multi-objective water cycle algorithm | |
| JP4768549B2 (ja) | 光通信用の信号光を増幅するためのラマン光増幅器，ラマン光増幅器を備えた光通信システム，およびラマン光増幅器の制御方法 | |
| US10340649B2 (en) | C-band and L band amplifier design with increased power efficiency and reduced complexity | |
| Mineto et al. | Performance of artificial-intelligence-based modelling for distributed Raman amplification | |
| Júnior et al. | Gradient-based optimization for unrepeatered optical systems | |
| Patni et al. | Simulation of gain flattened 32 channels EDFA-DWDM optical system | |
| Rajora et al. | Evaluation of 160* 10 Gbps Single & Hybrid Optical Amplifiers at 0.1 mw using EDFA-RAMAN-SOA | |
| CN102130719B (zh) | 一种估算放大器的各波长输出光功率的方法和装置 |
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 |