CN117811880A - 基于下一代无源光网络的通信方法 - Google Patents

Abstract

本发明实施例提供一种基于下一代无源光网络的通信方法，涉及通信技术领域，该方法包括：获取预设Volterra均衡器的K个核；基于正交匹配追踪算法在K个核中确定最重要的N‑M个核；在K个核中除N‑M个核之外的剩余核中，基于预设算法确定最重要的M个核；根据N‑M个核和M个核确定稀疏Volterra均衡器；根据预设算法的复杂度，以及光网络单元与光线路终端之间的距离，确定第一调制方式；将第一调制方式向光线路终端发送；接收来自光线路终端的通信数据，通信数据的调制方式为第一调制方式；以及基于稀疏Volterra均衡器对通信数据进行均衡，以得到均衡后的通信数据。该方法能够提升下一代无源光网络系统的通信效率。

Description

基于下一代无源光网络的通信方法

技术领域

本发明涉及通信技术领域，具体而言，涉及一种基于下一代无源光网络的通信方法。

背景技术

随着通信技术的快速发展，在物联网、5G、移动互联网等新型业务领域的驱动下，下一代无源光网络（NG-PON，Next Generation Passive Optical Network）已成为解决光纤接入问题的重要技术方案。无源光网络系统因其实现简单、成本开销较低，非常适用于未来短时期内的实际部署。然而，光链路的物理层损伤成为制约NG-PON发展的关键瓶颈之一。大容量NG-PON系统迄今已实现大于10Gbps的传输速率，由于收发机的电滤波器特性，信道受到严重的带宽限制而高带宽的光电器件难以迅速发展成熟。

NG-PON信道受器件通信环境不理想、色散、非线性信号之间拍频等影响，存在严重的物理层损伤。并且，随着传输比特速率和距离增加，NG-PON对更高频谱效率（SE，SpectralEfficiency，）以及色散容限的需求也有所增加。这些物理层损伤对系统性能造成的影响较为严重，导致满足覆盖范围和功率预算要求更加困难。所以，急需提供一种能够解决下一代无源光网络物理层损伤问题的技术方案，以提升网络的通信效率。

发明内容

有鉴于此，本发明的目的在于提供一种基于下一代无源光网络的通信方法，通过优化Volterra均衡器的核的选择过程以及优化通信过程中调制方式的选择，提高了下一代无源光网络的性能和效率，从而提升了下一代无源光网络系统的通信效率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明提供一种基于下一代无源光网络的通信方法，应用于下一代无源光网络系统中的光网络单元，所述光网络单元与光线路终端通信连接，所述方法包括：获取预设Volterra均衡器的K个核；基于正交匹配追踪算法在K个核中确定最重要的N-M个核，其中，N小于K；在K个核中除N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，其中，预设算法的复杂度低于正交匹配追踪算法；根据N-M个核和M个核确定稀疏Volterra均衡器；根据预设算法的复杂度，以及光网络单元与光线路终端之间的距离，确定第一调制方式；将第一调制方式向光线路终端发送；接收来自光线路终端的通信数据，通信数据的调制方式为第一调制方式；以及基于稀疏Volterra均衡器对通信数据进行均衡，以得到均衡后的通信数据。

在可选的实施例中，所述在所述K个核中除所述N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，包括：对所述剩余核进行分组，得到多个核组；针对所述多个核组中的每个核组，计算该核组与所述N-M个核之间的相关性；基于所述相关性，从所述多个核组中确定出与所述N-M个核相关性最低的M个核组；在所述M个核组的每个核组中确定一个核以得到M个核，其中，所述M个核与所述N-M个核在组合后所对应的Volterra均衡器的整体性能最优。

在可选的实施例中，所述计算该核组与所述N-M个核之间的相关性，包括：计算该核组中所有的核与所述N-M个核中的每个核之间的相关系数，所述相关系数包括内积或余弦相似度；根据所述相关系数确定该核组与所述N-M个核之间的相关性。

在可选的实施例中，所述对所述剩余核进行分组，得到多个核组，包括：S1，在所述剩余核中随机选择一个目标核；S2，计算所述目标核与所述剩余核中除所述目标核以外的核之间的相关系数，所述相关系数包括内积或余弦相似度；S3，将所述目标核以及，所述剩余核中除所述目标核以外的核中满足预设条件的核分配到一个核组中，其中，所述预设条件包括相关系数大于预设相关阈值；S4，重复执行所述S1至S3，直至得到P个核组，并将所述P个核组确定为所述多个核组。

在可选的实施例中，所述针对所述多个核组中的每个核组，计算该核组与所述N-M个核之间的相关性，包括：针对所述多个核组中的每个核组，计算该核组中的目标核与所述N-M个核中的每个核之间的相关系数，所述相关系数包括内积或余弦相似度；根据所述相关系数确定该核组与所述N-M个核之间的相关性。

在可选的实施例中，所述根据所述预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制方式，包括：获取预设的调制级别表；所述调制级别表包括多个调制级别与调制方式之间的对应关系；根据所述预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制级别；根据所述调制级别表确定所述第一调制级别对应的调制方式，以得到所述第一调制方式。

在可选的实施例中，所述调制级别表中的多个调制方式包括如下调制方式中的一种或多种：16-QAM、64-QAM、256-QAM。

在可选的实施例中，所述方法还包括：根据所述光网络单元与所述光线路终端之间的距离，以及所述光网络单元与所述光线路终端之间的通信质量，确定N和M的大小。

在可选的实施例中，所述方法还包括：将所述稀疏Volterra均衡器发送至所述光线路终端，以使得所述光线路终端根据所述稀疏Volterra均衡器发送所述通信数据。

第二方面，本发明提供一种下一代无源光网络系统，该系统包括光线路终端和光网络单元，所述光线路终端与所述光网络单元通信连接；其中，所述光网络单元用于获取预设Volterra均衡器的K个核；所述光网络单元用于基于正交匹配追踪算法在K个核中确定最重要的N-M个核，其中，N小于K；所述光网络单元用于在K个核中除N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，其中，预设算法的复杂度低于正交匹配追踪算法；所述光网络单元用于根据N-M个核和M个核确定稀疏Volterra均衡器；所述光网络单元用于根据预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制方式；所述光网络单元用于将第一调制方式向所述光线路终端发送；所述光网络单元用于接收来自所述光线路终端的通信数据，通信数据的调制方式为第一调制方式；以及所述光网络单元用于基于稀疏Volterra均衡器对通信数据进行均衡，以得到均衡后的通信数据。

根据上述各个方面提供的实施例，在第一方面提供的基于下一代无源光网络的通信方法中：基于正交匹配追踪算法确定最重要的N-M个核，以及使用复杂度低于正交匹配追踪算法的预设算法来确定M个核，可以使得所确定出的稀疏Volterra均衡器在性能上满足需求的同时减少计算量。并且，根据预设算法的复杂度以及光网络单元与光线路终端之间的距离确定第一调制方式，以及将第一调制方式发送至光线路终端，可以使得光线路终端发送的通信数据的调制方式与预设算法的复杂度以及距离相适配。比如，第一调制方式的调制级别可以与预设算法的复杂度成正相关关系和/或与距离成负相关关系。如此一来，第一调制方式可以作为补充以提升因使用复杂度较低的预设算法和/或距离较远所带来的通信损失。因此，本申请能够优化Volterra均衡器的核的选择过程，以及能够通过优化通信过程中调制方式的选择过程来优化Volterra均衡器的核的选择过程，从而能够提高下一代无源光网络的性能和效率，以及提升下一代无源光网络系统的通信效率。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例所提供的下一代无源光网络系统的一种模块框图；

图2示出了本发明实施例提供的一种基于下一代无源光网络的通信方法的流程示意图；

图3示出了本发明实施例提供的一种基于下一代无源光网络的通信装置的功能模块图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。

为了解决上文现有技术中存在的“NG-PON信道受器件通信环境不理想、色散、非线性信号之间拍频等影响，存在严重的物理层损伤。并且，随着传输比特速率和距离增加，NG-PON对更高频谱效率（spectral efficiency，SE）以及色散容限的需求也有所增加。这些物理层损伤对系统性能造成的影响较为严重，导致满足覆盖范围和功率预算要求更加困难”的问题。本发明实施例提出了一种技术方案，包括一种基于下一代无源光网络的通信方法及下一代无源光网络系统。本发明实施例通过优化Volterra均衡器的核的选择过程以及优化通信过程中调制方式的选择，提高了下一代无源光网络的性能和效率，从而提升了下一代无源光网络系统的通信效率。

首先，结合附图对本发明实施例提供的下一代无源光网络系统进行说明。请参照图1，图1为本发明实施例所提供的下一代无源光网络系统的一种模块框图。其中，下一代无源光网络系统100可以包括：光线路终端（OLT，Optical Line Terminal）110和光网络单元（ONU，Optical Network Unit）120。

其中，下一代无源光网络系统100可以包括多个光网络单元，本实施例中以一个光网络单元为例进行说明，并不表示对下一代无源光网络系统100中的光网络单元120的数量进行限定。

光线路终端110和光网络单元120之间通信连接。例如，光线路终端110和光网络单元120之间通过无源光分配网络（ODN，Optical Distribution Network）连接。其中，ODN可以由光纤光缆、无源光器件（如分光器、耦合器等）和连接器件组成。ODN的主要作用是在OLT和ONU之间传输光信号。

其中，光线路终端110是位于服务提供商侧的设备，用于管理光信号的发送和接收，并与上级网络连接，可以接收上级网络的通信数据并将通信数据发送至对应的光网络单元，以及接收光网络单元的通信数据并将该通信数据发送至上级网络。在下一代无源光网络系统中，光线路终端110拥有更高的处理能力和容纳更多上行链路/下行链路的通道。

其中，光网络单元120是用户端的设备，通常位于家庭或企业，用于将光信号转换为电信号，以便设备如电脑和智能电视能够利用宽带连接网络。在下一代无源光网络系统中，光网络单元120支持更高速率的传输和更低的延时。

下面给出一种基于下一代无源光网络的通信方法的实现方式。请参阅图2，图2示出了本发明实施例提供的一种基于下一代无源光网络的通信方法的流程示意图。该基于下一代无源光网络的通信方法可以应用于上述下一代无源光网络系统100中的光网络单元120，以通过优化Volterra均衡器的核的选择过程以及优化通信过程中调制方式的选择，提高下一代无源光网络的性能和效率，以及提升下一代无源光网络系统的通信效率。

具体来说，该基于下一代无源光网络的通信方法可以包括以下步骤S210~S280，下面依次进行说明。

S210，利用光网络单元120获取预设Volterra均衡器的K个核。

该预设Volterra均衡器可以是已经设定或配置好的Volterra均衡器，例如，光网络单元120中预存的Volterra均衡器。其中，获取预设Volterra均衡器的K个核，可以是指，从预设Volterra均衡器中提取K个核函数或核系数。

S220，利用光网络单元120基于正交匹配追踪算法（Orthogonal MatchingPursuit，OMP）在K个核中确定最重要的N-M个核。

具体来说，通过OMP算法的迭代过程，可以在每次迭代中选择与当前残差最相关的参数（例如Volterra均衡器的核）。然后，将该原子加入到已选原子的集合中，并更新残差。迭代该过程，即可实现在K个核中确定最重要的N-M个核。

其中，N小于K。可选的，K可以是20-100中的任意一个数值。例如，K=20，N=10，M=7，结合图1所示方法，可以理解在该举例中：假设有一个具有20个核的Volterra均衡器，首先可以通过正交匹配追踪算法选出前3个最重要的核；接着，在剩余的17个核中，使用另一种较低复杂度的预设算法选出7个核。最终得到一个由10个核组成的稀疏Volterra均衡器。

S230，利用光网络单元120在K个核中除N-M个核之外的剩余核中，基于预设算法确定最重要的M个核。

其中，预设算法的复杂度低于正交匹配追踪算法。

可以理解，上述预设算法可以是一种用于评估核的重要性的方法，且该方法所对应的程序的计算开销小于正交匹配追踪算法所对应的程序的计算开销。该预设算法的定义方式可以是依据核与信号之间的相关性、核在均衡过程中的贡献度等因素来确定。

具体来说，S230，利用光网络单元120在K个核中除N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，可以包括如下步骤1.1-步骤1.4：

步骤1.1，对剩余核进行分组，得到多个核组。

可选的，步骤1.1中的分组方式可以是随机分组或者是相关性分组。随机分组的方式可以是：将K个核中除N-M个核之外的剩余核随机且平均地分到P个组中，以得到多个核组。相关性分组的方式请参见下文描述。

步骤1.2，针对多个核组中的每个核组，计算该核组与N-M个核之间的相关性。

例如，假设有5个核组，每个核组有6个核。对于5个核组中的第1个核组，可以计算第1个核组中每个核与N-M个核中的每个核的相关性，并将该核组中每个核与N-M个核中的每个核的相关性的平均值作为该核组与N-M个核之间的相关性。对于5个核组中的第2个核组，可以计算第2个核组中每个核与N-M个核中的每个核的相关性，并将该核组中每个核与N-M个核中的每个核的相关性的平均值作为该核组与N-M个核之间的相关性。以此类推，直至计算出每个核组与N-M个核之间的相关性。

在一个可能的实施例中，步骤1.2中，计算该核组与N-M个核之间的相关性，可以包括如下步骤1.21-步骤1.22：

步骤1.21，计算该核组中所有的核与N-M个核中的每个核之间的相关系数，相关系数包括内积或余弦相似度。其中，内积越大或余弦相似度越接近1，表示两个核之间的相关性越高。

步骤1.22，根据相关系数确定该核组与N-M个核之间的相关性。

以相关系数包括内积为例，假设有5个核组，每个核组有6个核。对于5个核组中的第1个核组，可以计算第1个核组中每个核与N-M个核中的每个核的内积（得到6×（N-M）个内积数据），并将该核组中每个核与N-M个核中的每个核的内积的平均值（也即是6×（N-M）个内积数据的平均值）作为该核组与N-M个核之间的相关性。对于5个核组中的第2个核组，可以计算第2个核组中每个核与N-M个核中的每个核的内积，并将该核组中每个核与N-M个核中的每个核的内积的平均值作为该核组与N-M个核之间的相关性。以此类推，直至计算出每个核组与N-M个核之间的相关性。

步骤1.3，基于相关性，从多个核组中确定出与N-M个核相关性最低的M个核组。

可以理解，这里的相关性最低可以在一定程度上使得所选出来的M个核是K个核中除所述N-M个核之外的剩余核中最重要的M个核。

步骤1.4，在M个核组的每个核组中确定一个核以得到M个核。

可选的，在M个核组的每个核组中确定一个核时，可以遍历所有可能的组合情况，并计算每个组合情况与N-M个核在组合后所对应的Volterra均衡器的整体性能，以及将整体性能最优的组合情况确定为所述M个核。也即是说，M个核与N-M个核在组合后所对应的Volterra均衡器的整体性能最优。

在上述步骤1.1-1.4中，通过对剩余核进行分组以及计算核组与N-M个核之间的相关性的方式来确定剩余核中最重要的M个核，能够简单且准确地识别出对均衡性能贡献最大的核，从而进一步优化稀疏Volterra均衡器的性能，以及使得预设算法的复杂度低于正交匹配追踪算法。

在一个实施例中，上述的相关性分组的方式可以包括如下步骤1.11-步骤1.14：

步骤1.11，在剩余核中随机选择一个目标核。

步骤1.12，计算目标核与剩余核中除目标核以外的核之间的相关系数，相关系数包括内积或余弦相似度。

步骤1.13，将目标核以及，剩余核中除目标核以外的核中满足预设条件的核分配到一个核组中，其中，预设条件包括相关系数大于预设相关阈值。例如，当相关系数包括余弦相似度时，预设相关阈值可以设置为0.8，如此一来，预设条件为余弦相似度大于0.8。

假设剩余核有10个，目标核为剩余核中的第3个核，那么，可以首先计算第3个核与其他9个核之间的相关系数（这里可以得到9个相关系数）；然后，将其他9个核中与第3个核的相关系数大于预设相关阈值的核分配到一个核组中。

或者说，步骤1.13可以理解为：“将剩余核中除目标核以外的核中满足预设条件的核分配到目标核所对应的核组中”。

步骤1.14，重复执行步骤1.11至步骤1.14，直至得到P个核组，并将该P个核组确定为上述的多个核组。

如此一来，步骤1.11-1.14可以使得，相似的核被分配到同一个核组中。

在上述相关性分组实施例的基础上，步骤1.2，针对多个核组中的每个核组，计算该核组与N-M个核之间的相关性，可以包括如下步骤1.21-步骤1.22：

步骤1.21，针对多个核组中的每个核组，计算该核组中的目标核与N-M个核中的每个核之间的相关系数，相关系数包括内积或余弦相似度。

步骤1.22，根据相关系数确定该核组与N-M个核之间的相关性。

以相关系数包括余弦相似度、预设相关阈值设置为0.8为例，假设有5个核组，每个核组有6个核。对于5个核组中的第1个核组，可以计算第1个核组中的目标核与N-M个核中的每个核的余弦相似度，得到（N-M）个余弦相似度数据，并将该（N-M）个余弦相似度数据的平均值作为该核组与N-M个核之间的相关性。对于5个核组中的第2个核组，可以计算第2个核组中的目标核与N-M个核中的每个核的余弦相似度，得到（N-M）个余弦相似度数据，并将该（N-M）个余弦相似度数据的平均值作为该核组与N-M个核之间的相关性。以此类推，直至计算出每个核组与N-M个核之间的相关性。

可以理解，步骤1.21-1.22在与步骤1.11至步骤1.14结合的情况下，能够在保证确定出最重要的M个核的情况下，降低预设算法的复杂度，从而提高了下一代无源光网络的性能和效率，从而提升了下一代无源光网络系统的通信效率。

S240，利用光网络单元120根据N-M个核和M个核确定稀疏Volterra均衡器。

S250，利用光网络单元120根据预设算法的复杂度，以及光网络单元120与光线路终端110之间的距离，确定第一调制方式。

可以理解，信号的调制级别（即调制格式的阶数）会直接影响传输容量、传输距离以及系统的复杂性。高阶调制格式（如256-QAM）可以提供更高的频谱效率，但也需要更高的信噪比和更复杂的信号处理算法。低阶调制格式（如QPSK）虽然频谱效率较低，但在低信噪比条件下更为鲁棒，且算法相对简单。

预设算法的复杂度较高，意味着光网络单元120能够处理更复杂的信号结构，从而可能支持高阶调制格式。反之，如果算法复杂度较低，则可能需要选择低阶调制格式以简化信号处理要求。另外，传输距离的增加会导致信号衰减和色散等物理效应的加剧，从而降低接收信号的信噪比。因此，较远的传输距离通常要求使用更鲁棒的调制格式（即低阶调制），以确保在接收端能够可靠地解调信号。较短的传输距离可能允许使用更高阶的调制格式，因为信号在传输过程中经历的损伤较少。因此，如果预设算法的复杂度较高且传输距离较短，可以选择高阶调制（如256-QAM）以最大化频谱效率；而如果预设算法的复杂度较低或传输距离较长，则可以选择低阶调制（如QPSK）以确保传输的可靠性。

具体来说，S250，利用光网络单元120根据预设算法的复杂度，以及光网络单元120与光线路终端110之间的距离，确定第一调制方式，可以包括如下步骤2.1-步骤2.3：

步骤2.1，获取预设的调制级别表，其中，调制级别表包括多个调制级别与调制方式之间的对应关系。

举例来说，在确定第一调制方式时，可以首先定义一个调制级别表，其中包含多个调制级别（如C级、B级、A级）和多个调制方式（如16-QAM、64-QAM、256-QAM）。具体的，所述预设的调制级别表可以包括：C级对应16-QAM、B级对应64-QAM、A级对应256-QAM。

其中，较高的调制级别对应的调制方式（如A级对应256-QAM）可以提供更高的传输速率，但可能牺牲了可靠性；而较低的调制级别对应的调制方式（如C级对应16-QAM）则提供了更可靠的传输但传输速率较低。

步骤2.2，根据预设算法的复杂度，以及光网络单元120与光线路终端110之间的距离，确定第一调制级别。

其中，可以根据如下公式确定第一调制级别：M = f(C, D)。其中，M可以表示调制级别（例如，M = 1对应C级以及对应16-QAM，M = 2对应B级以及对应64-QAM，M = 3对应A级以及对应256-QAM）。C表示预设算法的复杂度（例如，可以是计算复杂度的量化值，如所需浮点运算次数）。D表示网络单元120与光线路终端110之间的距离。f是一个根据C和D确定M的函数。函数f可以是多种形式，例如查找表、分段函数或连续函数，可以根据需求设置，在此不做赘述。其中，通过对该公式M = f(C, D)进行设置，可以实现如果预设算法的复杂度较高且传输距离较短，选择高阶调制（如256-QAM）以最大化频谱效率；而如果预设算法的复杂度较低或传输距离较长，则选择低阶调制（如QPSK）以确保传输的可靠性。

步骤2.3，根据调制级别表确定第一调制级别对应的调制方式，以得到第一调制方式。

例如，根据M = f(C, D)计算出M = 1，那么第一调制级别对应的调制方式为16-QAM。

较远的距离和预设算法的复杂度较低可以选择较低的调制级别（如C级），从而可以确定出第一调制方式为16-QAM。而较近的距离和较高的算法复杂度则可能选择较高的调制级别（如A级），从而可以确定出第一调制方式为256-QAM。

可以理解，第一调制方式的调制级别可以与预设算法的复杂度成正相关关系和/或与距离成负相关关系。

可选的，调制级别表中的多个调制方式包括如下调制方式中的一种或多种：16-QAM、64-QAM、256-QAM。

S260，利用光网络单元120将第一调制方式向光线路终端110发送。

S270，利用光网络单元120接收来自光线路终端110的通信数据，通信数据的调制方式为第一调制方式。

S280，利用光网络单元120基于稀疏Volterra均衡器对通信数据进行均衡，以得到均衡后的通信数据。

可选的，图2所示的基于下一代无源光网络的通信方法还可以包括：根据光网络单元120与光线路终端110之间的距离，以及光网络单元120与光线路终端110之间的通信质量，确定N和M的大小。通信质量可以是信噪比。

可以理解，在本实施例中，N和M的大小不是固定的，而是可以根据网络单元120与光线路终端110之间的距离以及它们之间的通信质量来动态调整的。这种动态调整可以使方法更好地适应不同的网络环境和通信需求。例如，当网络单元120与光线路终端110之间的距离较远或通信质量较差时，可以选择更多的核（即增大N和/或M）来更好地均衡物理层损伤；而当距离较近或通信质量较好时，可以选择较少的核（即减小N和/或M）以减少计算复杂度和资源消耗。

具体来说，N可以根据如下第一公式计算：。M可以根据如下第二公式计算：/>。

其中，N_min和N_max分别是N的最小可能取值和最大可能取值。M_min和M_max分别是M的最小可能取值和最大可能取值。a, b, c, e, f, 和g是权重参数，决定距离和通信质量对N和M取值的影响程度。这些参数可以根据系统性能要求进行设置和调优。表示对x向下取整。max(x, y) 表示取x和y中的较大值。

可选的，图2所示的基于下一代无源光网络的通信方法还可以包括：将稀疏Volterra均衡器发送至光线路终端110，以使得光线路终端110根据稀疏Volterra均衡器发送通信数据。也即是说，该方法还可以将确定的稀疏Volterra均衡器发送给光线路终端110，以使得光线路终端110根据该均衡器发送通信数据。

在图2所示的方法实施例中，基于正交匹配追踪算法确定最重要的N-M个核，以及使用复杂度低于正交匹配追踪算法的预设算法来确定M个核，可以使得所确定出的稀疏Volterra均衡器在性能上满足需求的同时减少计算量。并且，根据预设算法的复杂度以及光网络单元120与光线路终端110之间的距离确定第一调制方式，以及将第一调制方式发送至光线路终端110，可以使得光线路终端110发送的通信数据的调制方式与预设算法的复杂度以及距离相适配。比如，第一调制方式的调制级别可以与预设算法的复杂度成正相关关系和/或与距离成负相关关系。如此一来，第一调制方式可以作为补充以提升因使用复杂度较低的预设算法和/或距离较远所带来的通信损失。因此，本申请能够优化Volterra均衡器的核的选择过程，以及能够通过优化通信过程中调制方式的选择过程来优化Volterra均衡器的核的选择过程，从而能够提高下一代无源光网络的性能和效率，以及提升下一代无源光网络系统的通信效率。

为了执行上述实施例及各个可能的方式中的相应步骤，下面还给出一种基于下一代无源光网络的通信装置的实现方式，请参阅图3，图3示出了本发明实施例提供的一种基于下一代无源光网络的通信装置的功能模块图。该基于下一代无源光网络的通信装置300可以应用于上述图1所示的下一代无源光网络系统100，可以用于执行上述方法实施例中的各个步骤。需要说明的是，本实施例所提供的一种基于下一代无源光网络的通信装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参照上述的实施例中相应内容。该基于下一代无源光网络的通信装置300可以包括：收发模块310、处理模块320。

其中，收发模块310用于获取预设Volterra均衡器的K个核；处理模块320用于基于正交匹配追踪算法在K个核中确定最重要的N-M个核，其中，N小于K；处理模块320用于在K个核中除N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，其中，预设算法的复杂度低于正交匹配追踪算法；处理模块320用于根据N-M个核和M个核确定稀疏Volterra均衡器；处理模块320用于根据预设算法的复杂度，以及光网络单元与光线路终端之间的距离，确定第一调制方式；收发模块310用于将第一调制方式向光线路终端发送；收发模块310用于接收来自光线路终端的通信数据，通信数据的调制方式为第一调制方式；以及收发模块310用于基于稀疏Volterra均衡器对通信数据进行均衡，以得到均衡后的通信数据。

在可选的实施例中，处理模块320用于对所述剩余核进行分组，得到多个核组；处理模块320用于针对所述多个核组中的每个核组，计算该核组与所述N-M个核之间的相关性；处理模块320用于基于所述相关性，从所述多个核组中确定出与所述N-M个核相关性最低的M个核组；处理模块320用于在所述M个核组的每个核组中确定一个核以得到M个核，其中，所述M个核与所述N-M个核在组合后所对应的Volterra均衡器的整体性能最优。

在可选的实施例中，处理模块320用于计算该核组中所有的核与所述N-M个核中的每个核之间的相关系数，所述相关系数包括内积或余弦相似度；处理模块320用于根据所述相关系数确定该核组与所述N-M个核之间的相关性。

在可选的实施例中，处理模块320用于S1，在所述剩余核中随机选择一个目标核；处理模块320用于S2，计算所述目标核与所述剩余核中除所述目标核以外的核之间的相关系数，所述相关系数包括内积或余弦相似度；处理模块320用于S3，将所述目标核以及，所述剩余核中除所述目标核以外的核中满足预设条件的核分配到一个核组中，其中，所述预设条件包括相关系数大于预设相关阈值；处理模块320用于S4，重复执行所述S1至S3，直至得到P个核组，并将所述P个核组确定为所述多个核组。

在可选的实施例中，处理模块320用于针对所述多个核组中的每个核组，计算该核组中的目标核与所述N-M个核中的每个核之间的相关系数，所述相关系数包括内积或余弦相似度；处理模块320用于根据所述相关系数确定该核组与所述N-M个核之间的相关性。

在可选的实施例中，处理模块320用于获取预设的调制级别表；所述调制级别表包括多个调制级别与调制方式之间的对应关系；处理模块320用于根据所述预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制级别；处理模块320用于根据所述调制级别表确定所述第一调制级别对应的调制方式，以得到所述第一调制方式。

在可选的实施例中，所述调制级别表中的多个调制方式包括如下调制方式中的一种或多种：16-QAM、64-QAM、256-QAM。

在可选的实施例中，处理模块320用于根据所述光网络单元与所述光线路终端之间的距离，以及所述光网络单元与所述光线路终端之间的通信质量，确定N和M的大小。

在可选的实施例中，收发模块310用于将所述稀疏Volterra均衡器发送至所述光线路终端，以使得所述光线路终端根据所述稀疏Volterra均衡器发送所述通信数据。

可选地，上述模块可以软件或固件（Firmware）的形式存储于存储器中或固化于本发明提供的图1所示的下一代无源光网络系统100（包括光线路终端110和光网络单元120）的操作系统（Operating System，OS）中，并可由图1所示下一代无源光网络系统100中的光线路终端110和光网络单元120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器中。

可以理解的是，收发模块310、处理模块320可以用于支持图1所示的下一代无源光网络系统100执行上述方法实施例中相关的步骤，和/或用于本文所描述的技术的其他过程，比如上述图2所示的方法实施例以及上述记载的各个方法实施例，对此不作限定。

基于上述实施例，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述基于下一代无源光网络的通信方法中的各个步骤。

具体地，该存储介质可以为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述实施例中的基于下一代无源光网络的通信方法，从而解决现有技术中存在的“NG-PON信道受器件通信环境不理想、色散、非线性信号之间拍频等影响，存在严重的物理层损伤。并且，随着传输比特速率和距离增加，NG-PON对更高频谱效率（spectral efficiency，SE）以及色散容限的需求也有所增加。这些物理层损伤对系统性能造成的影响较为严重，导致满足覆盖范围和功率预算要求更加困难”的问题。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本发明的实施例而已，并不用于限制本发明的保护范围，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于下一代无源光网络的通信方法，其特征在于，应用于下一代无源光网络系统中的光网络单元，所述光网络单元与光线路终端通信连接，所述方法包括：

获取预设Volterra均衡器的K个核；

基于正交匹配追踪算法在所述K个核中确定最重要的N-M个核，其中，N小于K；

在所述K个核中除所述N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，其中，所述预设算法的复杂度低于所述正交匹配追踪算法；

根据所述N-M个核和所述M个核确定稀疏Volterra均衡器；

根据所述预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制方式；

将所述第一调制方式向所述光线路终端发送；

接收来自所述光线路终端的通信数据，所述通信数据的调制方式为所述第一调制方式；以及

基于所述稀疏Volterra均衡器对所述通信数据进行均衡，以得到均衡后的通信数据。

2.根据权利要求1所述的基于下一代无源光网络的通信方法，所述在所述K个核中除所述N-M个核之外的剩余核中，基于预设算法确定最重要的M个核，包括：

对所述剩余核进行分组，得到多个核组；

针对所述多个核组中的每个核组，计算该核组与所述N-M个核之间的相关性；

基于所述相关性，从所述多个核组中确定出与所述N-M个核相关性最低的M个核组；

在所述M个核组的每个核组中确定一个核以得到M个核。

3.根据权利要求2所述的基于下一代无源光网络的通信方法，所述计算该核组与所述N-M个核之间的相关性，包括：

计算该核组中所有的核与所述N-M个核中的每个核之间的相关系数，所述相关系数包括内积或余弦相似度；

根据所述相关系数确定该核组与所述N-M个核之间的相关性。

4.根据权利要求2所述的基于下一代无源光网络的通信方法，所述对所述剩余核进行分组，得到多个核组，包括：

S1，在所述剩余核中随机选择一个目标核；

S2，计算所述目标核与所述剩余核中除所述目标核以外的核之间的相关系数，所述相关系数包括内积或余弦相似度；

S3，将所述目标核以及，所述剩余核中除所述目标核以外的核中满足预设条件的核分配到一个核组中，其中，所述预设条件包括相关系数大于预设相关阈值；

S4，重复执行所述S1至S3，直至得到P个核组，并将所述P个核组确定为所述多个核组。

5.根据权利要求4所述的基于下一代无源光网络的通信方法，所述针对所述多个核组中的每个核组，计算该核组与所述N-M个核之间的相关性，包括：

针对所述多个核组中的每个核组，计算该核组中的目标核与所述N-M个核中的每个核之间的相关系数，所述相关系数包括内积或余弦相似度；

根据所述相关系数确定该核组与所述N-M个核之间的相关性。

6.根据权利要求1所述的基于下一代无源光网络的通信方法，所述根据所述预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制方式，包括：

获取预设的调制级别表；所述调制级别表包括多个调制级别与调制方式之间的对应关系；

根据所述预设算法的复杂度，以及所述光网络单元与所述光线路终端之间的距离，确定第一调制级别；

根据所述调制级别表确定所述第一调制级别对应的调制方式，以得到所述第一调制方式。

7.根据权利要求5所述的基于下一代无源光网络的通信方法，调制级别表中的多个调制方式包括如下调制方式中的一种或多种：16-QAM、64-QAM、256-QAM。

8.根据权利要求1所述的基于下一代无源光网络的通信方法，所述方法还包括：

根据所述光网络单元与所述光线路终端之间的距离，以及所述光网络单元与所述光线路终端之间的通信质量，确定N和M的大小。

9.根据权利要求1-8中任一项所述的基于下一代无源光网络的通信方法，所述方法还包括：

将所述稀疏Volterra均衡器发送至所述光线路终端，以使得所述光线路终端根据所述稀疏Volterra均衡器发送所述通信数据。

10.一种下一代无源光网络系统，其特征在于，包括光线路终端和光网络单元，所述光线路终端与所述光网络单元通信连接；其中，

所述光线路终端和所述光网络单元在运行时用于执行如权利要求1-9中任一项所述的基于下一代无源光网络的通信方法。