CN1976258A - 一种快速获得光纤链路中偏振模色散信息的实时监测方法 - Google Patents

Abstract

本发明属于一种高速光纤通信系统中自适应偏振模色散补偿的实时监测方法。方法包括偏振模色散自适应补偿装置的取样监测单元测得光纤链路中与不同输入信号对应的输出信号的斯托克斯矢量；再将测得的数据输入计算机拟合出偏振度椭球，偏振度椭球三个轴的长度r₁，r₂，r₃及长轴的方位角α，β，γ，反映了光纤链路中PMD的大小和方向，采用粒子群优化PSO算法来拟合出偏振度椭球；运用PSO算法，不断调整6维参数r₁，r₂，r₃，α，β，γ，直至下面的目标函数达到全局最小值，在PMD自适应补偿器中，根据得到的偏振度椭球参量，控制单元实时调节补偿单元的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿。本发明只需采集少量的点、大幅度缩短从偏振度椭球获取PMD信息的时间，能满足PMD实时补偿的要求。

Description

一种快速获得光纤链路中偏振模色散信息的实时监测方法

技术领域

本发明属于一种高速光纤通信系统中自适应偏振模色散补偿的实时监测方法。

背景技术

当信号在单模光纤传输时，光波分解成二个相互垂直的偏振分量，称为偏振模。用石英玻璃制造的通讯用光纤，由于各种原因导致光纤中圆对称性结构被破坏，产生非圆对称应力，结果使得两个相互垂直的偏振模的群速度不一致，这种现象称为偏振模色散(PMD)。由于偏振模色散，在每根光纤中形成传送信号的快轴2和慢轴1(如图1所示)，使得两个相互垂直的偏振态信号到达接收端的时间不同，即产生差分群时延。在大于10Gb/s的高速光纤传输系统中，早先铺设的光纤由于偏振模色散较大，从而增大数据传输的误码率，对于40Gb/s长距离光纤传输系统，即使应用新的光纤，偏振模色散对传输的影响也很大，因此必需对此进行补偿。当前的补偿技术大体分为电补偿、光电补偿和光补偿，电补偿受电速率瓶颈限制，光电补偿需要多个光电检测器，成本较高。对偏振模色散进行自适应补偿的困难在于光纤中的偏振模色散具有随机性和变化性，需要有效、快速、实时的补偿，即要求对PMD的补偿必须是自适应的。

目前的PMD自适应补偿器分为反馈、前馈和反馈+前馈控制方式的PMD自适应补偿结构，但PMD自适应补偿器至少包括PMD补偿单元、取样监侧单元和控制单元。取样监测单元是PMD自适应补偿器的重要组成部分。由于实际光纤链路中的偏振模色散随时间不断变化，要求取样监测系统能实时监测链路中的偏振模色散，及时为控制单元提供反馈或前馈信号，从而控制补偿单元，实现偏振模色散自适应补偿。经常采用的监测信号有：(1)电域频率分量的电功率，测量该信号的实验仪器由光电探测器、窄带通滤波器和微波功率计组成，这些器件都与系统的传输速率有关，即在不同的传输速率系统中不能通用，而且传输速率越高，就要求光电器件的响应速度越快，这会大大增加系统的复杂程度和成本；(2)单偏振态偏振度(DOP)，测量DOP的实验仪器就是一台偏振测试仪，其显著的优点是与比特率和码型无关，即在任何传输速率的光通信系统中都是适用的，但采用单偏振态偏振度作为监测信号也有一定的局限性，因为它与输入的偏振态密切相关，当输入光信号的偏振态与光纤的某一偏振主态重合，DOP值将始终为1，从而失去了对偏振模色散的判断，使得补偿无法完成。若采用偏振度椭球，可克服第二种监测信号的缺陷并且结构简单，具有普遍适用性，但从偏振度椭球获取PMD信息耗时长，不能满足PMD实时补偿的要求。

发明内容

本发明的目的是为10Gb/s以上光纤通信系统提供一种快速获得光纤链路中偏振模色散信息的实时监测方法，该方法只需采集少量的点、大幅度缩短从偏振度椭球获取PMD信息的时间，能满足PMD实时补偿的要求。

为此，一种快速获得光纤链路中偏振模色散信息的实时监测方法是用偏振度椭球的长、中、短三个半轴长度及长轴的方位反映光纤链路中偏振模色散矢量的大小和方向，其中包含一阶PMD和二阶PMD中的信息，用于反馈、前馈或反馈+前馈的偏振模色散自适应补偿器之中，它包括：

(1)偏振模色散自适应补偿装置的取样监测单元测得光纤链路中与不同输入信号对应的输出信号的斯托克斯矢量；

(2)再将测得的数据输入计算机拟合出偏振度椭球，偏振度椭球三个轴的长度r₁，r₂，r₃及长轴的方位角α，β，γ，反映了光纤链路中PMD的大小和方向，采用粒子群优化PSO算法来拟合出偏振度椭球；运用PSO算法，不断调整6维参数(r₁，r₂，r₃，α，β，γ)，直至下面的目标函数达到全局最小值，表示为：

$\underset{(r_1,r_2,r_3,\mathrm{\α},\mathrm{\β},\mathrm{\γ})}{\mathrm{MIN}}\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\right|\frac{S_{1n}^{\′\′\′2}}{r_1^2}+\frac{S_{2n}^{\′\′\′2}}{r_2^2}+\frac{S_{3n}^{\′\′\′2}}{r_3^2}-1\left|\right]$

(3)在PMD自适应补偿器中，根据得到的偏振度椭球参量，控制单元实时调节补偿单元的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿。上述结构实现了本发明的目的。

本发明的优点从偏振度椭球获取PMD信息，能满足PMD实时补偿的要求，能及时、快速、有效地补偿和跟踪光纤链路中随机变化的偏振模色散，能动态地、有效地、实时地对光纤通讯线路中随机变化的偏振模色散进行自适应补偿，而且是全光补偿，价格便宜。

附图说明

图1为光纤传输中偏振模色散产生的示意图

图2为传统的反馈方式控制的PMD补偿系统的示意图

图3为传统的前馈+反馈的PMD补偿系统的示意图

图4为本发明偏振度椭球采集实验装置示意图

图5为本发明的偏振度椭球示意图

图6为本发明利用PSO算法获得偏振度椭球参数的流程图

图7为本发明直接得到的椭球与拟合的椭球的对比的示意图

图8为本发明利用偏振度椭球作监测信号的PMD自适应补偿装置图

具体实施方式

如图1至图8所示，一种快速获得光纤链路中偏振模色散信息的实时监测方法是用偏振度椭球的长、中、短三个半轴长度及长轴的方位反映光纤链路中偏振模色散矢量的大小和方向，其中包含一阶PMD和二阶PMD的信息，用于反馈、前馈或反馈+前馈的偏振模色散自适应补偿器之中，它包括：

(1)偏振模色散自适应补偿装置的取样监测单元测得光纤链路中与不同输入信号对应的输出信号的斯托克斯矢量；

(2)再将测得的数据输入计算机合出偏振度椭球，偏振度椭球三个轴的长度r₁，r₂，r₃及长轴的方位角α，β，γ，反映了光纤链路中PMD的大小和方向，采用粒子群优化(PSO)算法来合出偏振度椭球；运用PSO算法，不断调整6维参数(r₁，r₂，r₃，α，β，γ)，直至下面的目标函数达到全局最小值，表示为：

$\underset{(r_1,r_2,r_3,\mathrm{\α},\mathrm{\β},\mathrm{\γ})}{\mathrm{MIN}}\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\right|\frac{S_{1n}^{\′\′\′2}}{r_1^2}+\frac{S_{2n}^{\′\′\′2}}{r_2^2}+\frac{S_{3n}^{\′\′\′2}}{r_3^2}-1\left|\right]$

(3)在PMD自适应补偿器中，根据得到的偏振度椭球参量，控制单元实时调节补偿单元的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿。

所述的采用PSO算法拟合出偏振度椭球，是由在线偏振仪读取光纤链路中的PMD信息输出四路电压信号，由数据采集卡转换成四路数字信号进入计算机，经过一个矩阵运算后得到4个Stokes参量s₀，s₁，s₂，s₃，采集N组数据，采用PSO算法拟合得到偏振度椭球。

如图1和图3所示，用石英玻璃制造的通讯用光纤3，由于各种原因导致光纤中圆对称性结构被破坏成椭圆芯径，产生非圆对称应力，结果使得两个相互垂直的偏振模的群速度不一致，这种现象称为偏振模色散。由于偏振模色散，在每根光纤中形成传送信号的快轴2和慢轴1，使得两个相互垂直的偏振态信号4到达接收端的时间不同，即产生时延差5。在大于10Gb/s的高速光纤传输系统中，早先铺设的光纤由于偏振模色散较大，从而增大数据传输的误码率，对于40Gb/s长距离光纤传输系统，即使应用新的光纤，偏振模色散对传输的影响也很大，因此必需对此进行补偿。目前的PMD自适应补偿器分为反馈、前馈和反馈+前馈控制方式的PMD自适应补偿结构，但PMD自适应补偿器至少包括PMD补偿单元、取样监侧单元和控制单元。

如图4和图5所示，本发明获得偏振度椭球的方法是在光源发射端放置一个偏振扰动器，使输入光信号的偏振态不断变化，在接受端的偏振仪将测得与不同输入信号对应的输出信号的斯托克斯矢量，再将数据输入计算机拟合出偏振度椭球。

偏振度椭球三个轴的长度r₁，r₂，r₃及长轴的方位角(α，β，γ)反映了光纤链路中PMD的大小和方向。理论分析如下：

设输入端光信号的琼斯矢量为：

$E_{\mathrm{in}}=\left(\begin{array}{c}a\\ b\end{array}\right)f\left(\mathrm{\ω}\right)---\left(1\right)$

其中f(w)为信号谱结构，且满足归一化条件 $\underset{-\∞}{\overset{+\∞}{\∫}}{\left|f\left(\mathrm{\ω}\right)\right|}^2\mathrm{d\ω}=1,$ a、b是与频率无关的复数并且满足关系式|a|²+|b|²＝1。不考虑群速度色散和损耗，光纤的传输矩阵可表示为：

$M\left(\mathrm{\ω}\right)=\left(\begin{array}{cc}{u}_1& u_2\\ -u_2^{*}& u_1^{*}\end{array}\right)---\left(2\right)$

它是一个幺正矩阵，满足关系|u₁|²+|u₂|²＝1。经光纤后接收端的输出光信号为：

$E_{\mathrm{out}}=\left(\begin{array}{c}{E}_{\mathrm{ox}}\\ E_{\mathrm{oy}}\end{array}\right)=M\left(\mathrm{\ω}\right)E_{\mathrm{in}}=\left(\begin{array}{c}({\mathrm{au}}_1+{\mathrm{bu}}_2)f\left(\mathrm{\ω}\right)\\ (-{\mathrm{au}}_2^{*}+{\mathrm{bu}}_1^{*})f\left(\mathrm{\ω}\right)\end{array}\right)---\left(3\right)$

输出光信号的各个斯托克斯参量分别为：

$S_1={\∫}_{-\∞}^{\∞}({\left|E_{\mathrm{ox}}\right|}^2-{\left|E_{\mathrm{oy}}\right|}^2)\frac{\mathrm{d\ω}}{2\mathrm{\π}}$

$={\∫}_{-\∞}^{\∞}[({\left|a\right|}^2-{\left|b\right|}^2)({\left|u_1\right|}^2-{\left|u_2\right|}^2)+2a{b}^{*}{u}_1{u}_2^{*}+2a^{*}b{u}_1^{*}{u}_2]{\left|f\left(\mathrm{\ω}\right)\right|}^2\frac{\mathrm{d\ω}}{2\mathrm{\π}}---\left(4a\right)$

$S_2={\∫}_{-\∞}^{\∞}2\mathrm{Re}\left(E_{\mathrm{ox}}{E}_{\mathrm{oy}}^{*}\right)\frac{\mathrm{d\ω}}{2\mathrm{\π}}$

$={\∫}_{-\∞}^{\∞}[({\left|b\right|}^2-{\left|a\right|}^2)(u_1{u}_2+u_1^{*}{u}_2^{*})+{\mathrm{ab}}^{*}(u_1^2-u_2^{*}{u}_2^{*})+a^{*}b(u_1^{*}{u}_1^{*}-u_2^2)]{\left|f\left(\mathrm{\ω}\right)\right|}^2\frac{\mathrm{d\ω}}{2\mathrm{\π}}---\left(4b\right)$

$S_3={\∫}_{-\∞}^{\∞}-2\mathrm{Im}\left(E_{\mathrm{ox}}{E}_{\mathrm{oy}}^{*}\right)\frac{\mathrm{d\ω}}{2\mathrm{\π}}$

$={\∫}_{-\∞}^{\∞}i[({\left|b\right|}^2-{\left|a\right|}^2)(u_1{u}_2-u_1^{*}{u}_2^{*})-a^{*}b(u_2^2+u_1^{*}{u}_1^{*})+a{b}^{*}(u_2^{*}{u}_2^{*}-u_1^2)]{\left|f\left(\mathrm{\ω}\right)\right|}^2\frac{\mathrm{d\ω}}{2\mathrm{\π}}---\left(4c\right)$

a、b取不同的数值，对应不同的偏振态，输出光的斯托克斯矢量(S₁，S₂，S₃)将形成偏振度椭球。

对于主态沿x，y轴的一阶偏振模色散，光纤变换矩阵为：

$M\left(\mathrm{\ω}\right)=\left(\begin{array}{cc}\exp \left(\frac{i}{2}\mathrm{\ω\τ}\right)& 0\\ 0& \exp (-\frac{i}{2}\mathrm{\ω\τ})\end{array}\right)---\left(5\right)$

将其代入(4a)～(4b)式，得到偏振度椭球：

$S_1^2+\frac{S_2^2+S_3^2}{R_{\mathrm{ac}}^2\left(\mathrm{\τ}\right)}=1---\left(6\right)$

其中 $R_{\mathrm{ac}}\left(\mathrm{\τ}\right)={\∫\left|f\left(\mathrm{\ω}\right)\right|}^2\exp \left(\mathrm{im\τ}\right)\frac{\mathrm{d\ω}}{2\mathrm{\π}}$ 为信号的自相关函数。

由(6)式可以看出，这是一个r_max＝1，r_mid＝r_min＝R_oc(τ)的旋转椭球，短轴的长度与DGD直接相关。

对于含有二阶偏振模色散的光纤，光信号光谱很窄时的变换矩阵为

其中＝τω， $k=\frac{\left|{\hat{q}}_{\mathrm{\ω}}\right|}{4}{,\hat{q}}_{\mathrm{\ω}}$ 二阶偏振模色散中的主态旋转率(PSP)。将(7)式代入(4a)～(4b)式，得到下面的偏振度椭球：

$\frac{S_2^2}{{\left(\frac{A-B}{2}\right)}^2}+\frac{(C^2+{4D}^2)S_1^2+[2C(A+B)-4\mathrm{CD}]S_1{S}_3+[{(A+B)}^2+C^2]S_3^2}{{[(A+B)D+\frac{C^2}{2}]}^2}=1---\left(8\right)$

其中

A＝1+R_ac(τ)

$B=R_{\mathrm{ac}}\left(4k\right)-\frac{1}{2}[R_{\mathrm{ac}}(4k+\mathrm{\τ})+R_{\mathrm{ac}}(4k-\mathrm{\τ})]$

C＝R_ac(2k-τ)-R_ac(2k+τ)

D＝R_ac(τ)

这个椭球的长、中、短三个半轴为：

$r_{\max }=\frac{(A+B)D+\frac{C^2}{2}}{\sqrt{[C^2+2D^2+\frac{{(A+B)}^2}{2}]+(2D-A-B)\sqrt{\frac{{(A+B+2D)}^2}{4}+C^2}}}---\left(9a\right)$

$r_{\mathrm{mid}}=\frac{(A+B)D+\frac{C^2}{2}}{\sqrt{[C^2+{2D}^2+\frac{{(A+B)}^2}{2}]-(2D-A-B)\sqrt{\frac{{(A+B+2D)}^2}{4}+C^2}}}---\left(9b\right)$

$r_{\min }=\frac{A-B}{2}---\left(9c\right)$

可见，三个半轴的长度包含了一阶和二阶的PMD信息。

如图6所示，为了符合偏振模色散自适应补偿的要求，必须采用适当的算法以采集尽可能少的点而拟合出准确的椭球。这里我们采用粒子群优化(PSO)算法来拟合椭球。

PSO算法是一种直接搜索最佳值的算法，它利用由个体(individual)或粒子(particle)组成的社会群体(swarm)搜索最佳解。每个个体或粒子都可以看成多维空间中的一个交汇点，粒子通过迭代更新(或移动)自己在多维空间中的位置，以寻求最佳点。在每次迭代中，每个粒子对自己过去的最佳位置有信息记忆，同时它与社会群体中每个邻居粒子相互分享最佳位置的信息，然后通过同时评价这两个信息以决定粒子下一步的移动。如果任何一个个体的位置离目标位置足够近，或者说他们之间的距离小于规定的误差，就认为群体已经找到了最佳值。

PSO算法定义每个个体都可能是多维空间搜索问题的一个解，假定采用N个粒子组成全部群体。D维搜索空间中，第i个粒子的位置矢量可以表示为X_i＝(x_i1，x_i2，…，x_iD)，其速度矢量用V_i＝(v_i1，v_i2，…，v_iD)表示。PSO搜索开始时，先随机初始化N个粒子的位置和速度，然后粒子们通过迭代来更新自己的位置，逐渐趋向最优化目标。在每一次迭代中，每个粒子通过评价自己以前曾经找到的最好位置(记为个体最佳位置pbest，第i个粒子的最佳位置记为pbest_i)，并结合整个群体中目前找到的最好位置(定义为全局最佳值gbest)，对个体的速度矢量进行调节，然后用这个速度矢量来计算个体新的位置矢量。

PSO算法的搜索步骤可归纳如下：

(1)在D维搜索空间中初始化所有个体的位置和速度；

(2)求得D维变量下，每个粒子目前位置对应的目标函数值；

(3)将每个个体的目标函数值同自己以前的最佳值pbest_i进行比较，优则替换，并记住新的最佳位置，否则保持不变；

(4)对目前整个群体中每个粒子的最佳值进行比较，得到本次迭代的群体最佳值即gbest，并与以前的gbest比较，如果“更优”，则替换之，并记住新的最好个体的序号和位置，否则不变；

(5)更新每个个体的速度和位置；

(6)跳到第(2)步进入下一次循环，直至满足终止条件。

归纳为在D维搜索空间中初始化(r₁，r₂，r₃，α，β，γ)的位置和速度，将采集N个实验数据点转换到标准坐标系，搜索比较得到的最佳的6个自由度，判断函数F是否最小，若是记录最佳的6个自由度，依此获得偏振度椭球；否则将得到的最佳的6个自由度代替初始化值，进入下一次循环，直到满足条件。

PSO算法中，速度和位置的更新公式分别为：

v_id＝v_id+c₁×rand()×(pbest_id-x_id)+c₂×rand()×(gbest_id-x_id)

x_id＝x_id+v_id

式中rand()是[0，1]区间内的随机数，c₁和c₂分别是“个体认知”和“群体学习”的速率，决定了“个体认知”和“群体学习”影响的比重。

PSO优化算法数学上是一个通过调整多个控制参数“parameters”在多维空间中搜索目标函数“function”的全局最大或最小值的过程，其数学式为

$\underset{\mathrm{parameters}\∈P}{\mathrm{MAX}}\left(\mathrm{function}\right)$ 或 $\underset{\mathrm{parameters}\∈P}{\mathrm{MIN}}\left(\mathrm{function}\right)$

其中“parameters”的个数即搜索空间的维数，P是指“parameters”的变化范围。

在主轴坐标系中，椭球具有标准形式 $\frac{S_1^2}{r_1^2}+\frac{S_2^2}{r_2^2}+\frac{S_3^2}{r_3^2}=1.$ 通过椭球倾斜角度(α，β，γ)将实验采集的N个点(S_1n，S_2n，S_3n)的坐标变换到主轴坐标系。首先绕S₃轴旋转-α，(S_1n，S_2n，S_3n)变换成(S_1n′，S_2n′，S_3n′)：

$\left(\begin{array}{c}{S}_{1n}^{\′}\\ S_{2n}^{\′}\\ S_{3n}^{\′}\end{array}\right)=\left(\begin{array}{ccc}\cos \mathrm{\α}& \sin \mathrm{\α}& 0\\ -\sin \mathrm{\α}& \cos \mathrm{\α}& 0\\ 0& 0& 1\end{array}\right)\left(\begin{array}{c}{S}_{1n}\\ S_{2n}\\ S_{3n}\end{array}\right)---\left(10\right)$

然后绕S₂轴旋转-β，(S_1n′，S_2n′，S_3n′)变换成(S_1n″，S_2n″，S_3n″)：

$\left(\begin{array}{c}{S}_{1n}^{\′\′}\\ S_{2n}^{\′\′}\\ S_{3n}^{\′\′}\end{array}\right)=\left(\begin{array}{ccc}\cos \mathrm{\β}& 0& -\sin \mathrm{\β}\\ 0& 1& 0\\ \sin \mathrm{\β}& 0& \cos \mathrm{\β}\end{array}\right)\left(\begin{array}{c}{S}_{1n}^{\′}\\ S_{2n}^{\′}\\ S_{3n}^{\′}\end{array}\right)---\left(11\right)$

再绕S₃轴旋转-γ，(S_1n″，S_2n″，S_3n″)变换成(S_1n，S_2n，S_3n)：

$\left(\begin{array}{c}{S}_{1n}^{\′\′\′}\\ S_{2n}^{\′\′\′}\\ S_{3n}^{\′\′\′}\end{array}\right)=\left(\begin{array}{ccc}\cos \mathrm{\γ}& \sin \mathrm{\γ}& 0\\ -\sin \mathrm{\γ}& \cos \mathrm{\γ}& 0\\ 0& 0& 1\end{array}\right)\left(\begin{array}{c}{S}_{1n}^{\′\′}\\ S_{2n}^{\′\′}\\ S_{3n}^{\′\′}\end{array}\right)---\left(12\right)$

变换到主轴坐标系中后，变换点应满足椭球标准形式

$\frac{S_{1n}^{\′\′\′2}}{r_1^2}+\frac{S_{2n}^{\′\′\′2}}{r_2^2}+\frac{S_{3n}^{\′\′\′2}}{r_3^2}=1.$

运用PSO算法，不断调整6维参数(r₁，r₂，r₃，α，β，γ)，直至下面的目标函数达到全局最小值，表示为：

$\underset{(r_1,r_2,r_3,\mathrm{\α},\mathrm{\β},\mathrm{\γ})}{\mathrm{MIN}}\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\right|\frac{S_{1n}^{m2}}{r_1^2}+\frac{S_{2n}^{m2}}{r_2^2}+\frac{S_{3n}^{m2}}{r_3^2}-1\left|\right]---\left(13\right)$

从而得到偏振度椭球及其参量(r₁，r₂，r₃，α，β，γ)。

图7给出了不同DGD下直接采集8000个点得到的偏振度椭球和采集100个点利用粒子群优化算法拟合得到的偏振度椭球。由此可见利用粒子群优化算法拟合得到的偏振度椭球效果很好。

如图8所示，图8为利用偏振度椭球作监测信号的PMD自适应补偿装置图。在PMD自适应补偿器中，根据得到的偏振度椭球参量，逻辑控制单元实时调节补偿单元的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿。

利用偏振度椭球作监测信号的PMD自适应补偿装置由扰偏器6和偏振模色散自适应补偿器8组成。所述的在线偏振仪82和PMD补偿器81相联，接入通信光纤链路7上。所述的计算机控制装置通过数据采集卡84、低通电滤波器83与在线偏振仪的输出端相连，计算机控制装置的输出端通过DA模块输出端86相连PMD补偿器。所述的扰偏器由计算机控制一个光纤挤压型电控偏振控制器61构成，通过自主编写的扰偏器程序63控制电控偏振控制器以合适的速率产生均匀分布在邦加球上的各种偏振态，在此用一数模(DA)转换模块将计算机输出的数字信号转变为模拟电压信号(从DA模块输出端62输出)控制电控偏振控制器。

所述的偏振模色散自适应补偿器包括：

PMD补偿器，由电控电控偏振控制器和可变时延线级联而成，根据得到的偏振度椭球参量，控制算法实时调节电控偏振控制器的电压和时延线的时延，使链路中的PMD值达到最小，从而实现PMD自适应补偿；

在线偏振仪，用于检测光纤通讯线路中的光信号的偏振度，形式为输出四路电压信号；

低通电滤波器，用于滤除高频噪声，滤波器带宽要求与数据采集卡采样频率匹配；

数据采集卡，用于将在线偏振仪输入、并通过低通电滤波器滤除高频噪声后的四路模拟电压信号转化成四路数字电压信号；

数字滤波器，用于将采样得到的四路数字电压信号经矩阵变换得到链路的斯托克斯参量并经过数字中值滤波滤除噪音；

计算机85控制装置，为设有DOP椭球采集拟合程序和自适应补偿控制算法的计算机。偏振度椭球三个轴的长度r₁，r₂，r₃及长轴的方位角α，β，γ，反映了光纤链路中PMD的大小和方向；采集N组数据，用粒子群优化(PSO)算法拟合出偏振度椭球，即用PSO算法不断调整6维参数(r₁，r₂，r₃，α，β，γ)，直至下面的目标函数达到全局最小值，表示为： $\underset{(r_1,r_2,r_3,\mathrm{\α},\mathrm{\β},\mathrm{\γ})}{\mathrm{MIN}}\left[\underset{n=1}{\overset{n}{\mathrm{\Σ}}}\right|\frac{S_{1n}^{\′\′\′2}}{r_1^2}+\frac{S_{2n}^{\′\′\′2}}{r_2^2}+\frac{S_{3n}^{\′\′\′2}}{r_3^2}-1\left|\right],$ 根据得到的偏振度椭球参量，控制算法实时调节PMD补偿器的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿；

所述的采用PSO算法拟合出偏振度椭球，是由在线偏振仪读取光纤链路中的PMD信息再输出四路电压信号，由数据采集卡转换成四路数字信号进入计算机，经过一个矩阵运算后得到4个Stokes参量s₀，s₁，s₂，s₃，采集N组数据，采用PSO算法拟合得到偏振度椭球。

在PMD自适应补偿器中，根据得到的偏振度椭球参量，控制算法实时调节PMD补偿器的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿。

所述的实时监测装置的工作过程包括以下步骤：与光纤链路相连的在线偏振仪将信号输入低通电滤波器，由数据采集卡采样由四通道模数转换器将模拟信号转换为数字信号，然后输入到计算机控制装置中，经过一个矩阵运算后得到4个Stokes参量s₀，s₁，s₂，s₃，经过数字中值滤波，滤除噪声；采集N组数据，采用PSO算法拟合得到偏振度椭球；用控制算法控制调节偏振模色散补偿器中的电控偏振控制器的电压和时延线的时延，使系统的PMD值达到最小，从而完成偏振模色散自动补偿。

本发明所使用的低通电滤波器的作用是对在线偏振仪输出的四路模拟电压信号进行滤波，这些噪声来源于光纤链路中的掺铒光纤放大器。同时，低通电滤波器的带宽要求必须与数据采集卡相匹配。如果在线偏振仪输出模拟信号的带宽为0～fmkHZ。由奈奎斯特定理可知，只有当取样频率fs和模拟信号最高频率fm满足fs≥2fm时才不会出现混叠。由于高速数据采集卡的价格昂贵，因此在在线偏振仪13的电压输出和数据采集卡之间加入低通电滤波器，滤掉高频，即可低成本地解决这一问题。

在线偏振仪(In-Line Poarimeter)可以用General Photonics公司的PolaDetect POD-15-SS-02产品，其插入损耗0.8dB，测量带宽700kHz，DOP测量精度为±2％，它输出四路电压信号，由数据采集卡(Data Aquisition)转换成四路数字信号进入计算机，经过一个矩阵运算后得到4个Stokes参量s₀，s₁，s₂，s₃，采集N组数据，采用PSO算法拟合得到偏振度椭球；由于各种噪声会对偏振仪测量精度产生影响，采用低通电滤波器(ElectricalLow-Pass Filter)来消除高频噪声。

Claims (2)

1、一种快速获得光纤链路中偏振模色散信息的实时监测方法，其特征在于：所述的实时监测方法是用偏振度椭球的长、中、短三个半轴长度及长轴的方位反映光纤链路中偏振模色散矢量的大小和方向，其中包含一阶PMD和二阶PMD的信息，用于反馈、前馈或反馈+前馈的偏振模色散自适应补偿器之中，它包括：

(1)偏振模色散自适应补偿装置的取样监测单元测得光纤链路中与不同输入信号对应的输出信号的斯托克斯矢量；

(2)再将测得的数据输入计算机拟合出偏振度椭球，偏振度椭球三个轴的长度r₁，r₂，r₃及长轴的方位角α，β，γ，反映了光纤链路中PMD的大小和方向，采用粒子群优化PSO算法来拟合出偏振度椭球；运用PSO算法，不断调整6维参数r₁，r₂，r₃，α，β，γ，直至下面的目标函数达到全局最小值，表示为：

$\underset{(r_1,r_2,r_3,\mathrm{\α},\mathrm{\β},\mathrm{\γ})}{\mathrm{MIN}}\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\right|\frac{S_{1n}^{\′\′\′2}}{r_1^2}+\frac{S_{2n}^{\′\′\′2}}{r_2^2}+\frac{S_{3n}^{\′\′\′2}}{r_3^2}-1\left|\right]$

(3)在PMD自适应补偿器中，根据得到的偏振度椭球参量，控制单元实时调节补偿单元的可控参数，使链路中的PMD值达到最小，从而实现PMD自适应补偿。

2、根据权利要求1所述的实时监测方法，其特征在于：所述的采用PSO算法拟合出偏振度椭球，是由在线偏振仪读取光纤链路中的PMD信息输出四路电压信号，由数据采集卡转换成四路数字信号进入计算机，经过一个矩阵运算后得到4个Stokes参量s₀，s₁，s₂，s₃，采集N组数据，采用PSO算法拟合得到偏振度椭球。

Images