JP2022509301A - 分散推定方法、装置、受信機及び記憶媒体 - Google Patents

Abstract

本出願の実施例は、分散推定方法、装置、受信機及び記憶媒体を開示する。当該方法は、周波数領域データを取得し、周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得するステップと、処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるステップと、フィルタリングされた処理対象データを抽出してターゲットデータグループを取得するステップと、ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップと、を含む。

Description

（関連出願への相互参照）
本出願は、２０１８年１１月３０日に中国特許庁に提出された、出願番号が２０１８１１４４９７８４.０であり、出願名称が「分散推定方法、装置、受信機及び記憶媒体」である中国特許出願に対する優先権を主張し、そのすべての内容が参照により本出願に組み込まれる。

本出願は、光通信技術、特に分散推定方法、装置、受信機及び記憶媒体に関する。

近年、社会情報化程度の継続的な向上に伴い、ＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）に基づくデータサービスが爆発的に増長している。特に、エンドツーエンドのビデオ再生及びダウンロード、インターネットプロトコルテレビ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ Ｔｅｌｅｖｉｓｉｏｎ、ＩＰＴＶと略称）ネットワーク、モバイルインターネット、大規模なプライベートネットワークなどの異なる分野からの新しいアプリケーションの人気がますます高まり、メトロポリタンエリアネットワークとバックボーンネットワークの伝送帯域幅ニーズは、増え続けている。光ファイバ通信技術は、超高速、大容量、長距離、高い干渉防止性能及び低コストなどの利点で、バックボーンネットワークの容量負荷を解決するための最もよい選択となっている。

デジタル信号処理技術（Ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ、ＤＳＰと略称）、高速データ収集技術及び関連する光デバイスの急速な進みにより、データコヒーレント検出技術に基づく光ファイバ通信システムは、光通信分野における研究ホットスポットになっている。デジタルコヒーレント検出技術とマルチレベル信号変調フォーマット、及び偏光多重化（Ｐａｌａｒｉｚａｔｉｏｎ ｍｕｌｔｉｐｌｅｘｉｎｇ、ＰＭと略称）技術の組み合わせにより、システムの通信容量を倍増させることが可能となる。２０１０年から、ＰＭ－ＱＰＳＫ（Ｑｕａｄｒａｔｕｒｅ ｐｈａｓｅ ｓｈｉｆｔ ｋｅｙｉｎ、ＱＰＳＫと略称）に基づく１００Ｇ光通信モジュールは徐々に商用化され、より高いシングルチャネル４００Ｇ、さらにはＩＴの研究作業もホットスポットになっている。

光ファイバ伝送システムでは、光ファイバチャネルの伝送ビット誤り率をできるだけ低減し、伝送品質を向上させて、信号伝送距離を長くすることは、システム設計の重要な指標である。伝送距離に影響を与える要因は、主に損失、非線形効果及び分散がある。ここで、ファイバ分散とは、送信側からの光パルス信号の異なる成分が異なる速度で、光ファイバ内で伝送され、異なる時点で受信側に到達する現象を指す。分散効果により、送信された信号は光ファイバで伝送された後、受信側でぼやけ、このぼやけにより、符号間干渉が発生し、さらに電力ペナルティにつながる。分散は累積可能な効果であり、伝送リンクが長いほど、分散の量が大きくなる。

光学領域分散補償モジュールが追加されていないリンクでは、累積された分散の広いインパルス応答が数百又は数千のシンボルに分散される可能性があり、このため、分散補償が必要である。コヒーレント受信機のアルゴリズム処理では、正確な分散補償により、確実なクロックリカバリ及びキャリア同期が保証されてもよく、これは、その後の偏光均衡化にとっても非常に重要であり、不適切な分散補償は、デジタルコヒーレント受信機全体の完全な失敗につながる可能性がある。

したがって、正確な分散推定を行うことは、システムの通常動作の第１のステップである。光スイッチングに基づく次世代の全光ネットワークでは、光路の動的構成を実現することは、発展動向であり、即ち、送信側と受信側の間の信号経路が動的に変化し、リンク内の累積された分散値が動的に変化すが、遅い推定プロセスは、その後の処理モジュールの初期化を明らかに遅らせるため、動的で高速な分散推定アルゴリズムは特に重要となる。上述したように、コヒーレント光通信では、ファイバリンクに累積された分散値を迅速かつ正確に推定することが非常に重要である。

従来の技術的課題を解決するために、本出願の実施例は、簡単で高速かつ高精度の分散推定方法、装置、受信機及び記憶媒体を提供する。

前記の目的を達成するために、本出願の実施例の技術的解決策は、次のように実現される。

分散推定方法は、周波数領域データを取得し、前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得するステップと、前記処理データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるステップと、フィルタリングされた前記処理対象データを抽出してターゲットデータグループを取得するステップと、前記ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップと、を含む。

分散値推定装置は、周波数領域データを取得し、前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得するための周波数領域データ取得モジュールと、前記処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるためのフィルタリングモジュールと、フィルタリングされた前記処理対象データを抽出してターゲットデータグループを取得するため抽出モジュールと、前記ターゲットデータグループに基づき、設定間隔にそれぞれ対応するターゲット関数を計算し、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するための分散推定モジュールと、を備える。

光通信データコヒーレント受信機であって、前記受信機は、順次接続しているＩＱ不均衡補償モジュール、分散推定及び補償モジュール、偏光逆多重化モジュール、キャリア回復モジュール及び判決復号モジュールを備え、前記分散推定及び補償モジュールは、本出願の実施例に記載されている分散推定方法を実現するために使用される。

記憶媒体であって、前記記憶媒体に実行可能命令が記憶されており、前記実行可能な命令がプロセッサに実行される場合、本出願の実施例に記載されている分散推定方法が実現される。

前記実施例によって提供される分散推定方法、装置、光通信データコヒーレント受信機及び記憶媒体では、周波数領域データを取得し、前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得し、前記処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げ、フィルタリングされた前記処理対象データらターゲットデータグループを抽出し、前記ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算し、このようにして、周波数領域上でデータを処理及びフィルタリングし、周波数ポイントの周波数スペクトル幅を広げることにより、システムが周波数領域で処理するときにサンプリング周波数スペクトルに敏感であるという課題を回避し、正確な分散推定を実現することができ、かつターゲット関数に対応する位相角値に基づいて、分散推定値を計算することにより、分散推定アルゴリズムの計算量が簡素化され、分散値の正確な推定がより簡単な方法で実現され、システムリソースが節約され、システムの電力消費が削減される。

本出願の一実施例における光通信データコヒーレント受信機の構造図である。 本出願の一実施例における分散推定方法のフローチャートである。 本出願の別の実施例における分散推定方法のフローチャートである。 本出願の選択可能で具体的な実施例における分散推定方法のフローチャートである。 本出願の別の選択可能で具体的な実施例における分散推定方法のフローチャートである。 本出願のさらなる別の選択可能で具体的な実施例における分散推定方法のフローチャートである。 本出願のさらなる別の選択可能で具体的な実施例における分散推定方法のフローチャートである。 本出願の一実施例における分散推定装置の構造図である。

以下に明細書の図面及び具体的な実施例を組み合わせて本出願の技術的解決策をさらに詳しく説明する。別段の定義がない限り、本明細書で使用されるすべての技術用語及び科学用語は、本出願の技術分野の当業者によって一般的に理解される意味と同じである。ここでは本出願の明細書で使用される用語は、具体的な実施例を説明するためのものだけであり、本出願を限定することを意図しない。本明細書で使用される用語「及び／又は」は、１つ又は複数の関連する、示される項目のいずれか又はすべての組み合わせを含む。

以下の説明では、「いくつかの実施例」の説明が言及され、それは、すべての可能な実施例のサブセットを説明するが、「いくつかの実施例」がすべての可能な実施例の同じ又は異なるサブセットであってもよく、矛盾せずに互いに組み合わせられてもよいことを理解すべきである。

ファイバリンクにおける累積された分散値（Ｃｈｒｏｍａｔｉｃ Ｄｉｓｐｅｒｓｉｏｎ、ＣＤと略称）を迅速かつ正確に推定できるために、本出願の発明者は、関連技術で提供される適応分散推定アルゴリズムが主に第１、分散走査に基づく分散推定方法、第２、データ支援に基づく分散推定アルゴリズム、第３、ゴダールクロックトーン（Ｇｏｄａｒｄ Ｃｌｏｃｋ Ｔｏｎｅ、ＧＣＴと略称）ベストマッチングに基づく適応分散補償アルゴリズムを含むことを、研究で発見した。

ここで、第１、分散走査に基づく分散推定方法については、異なる分散値を試してターゲット関数を監視する必要があり、長い時間がかかり、試行回数によって進行状況が制限され、精度が保証できなく、そのため、分散走査に基づく分散推定方法は、分散値の推定時間が長く、分散推定の精度が低いという課題があり、第２、データ支援に基づく分散推定アルゴリズムについては、トレーニングシーケンスに依存する必要があり、即ち、チャネルのアプリオリ情報を使用してチャネルの分散応答を計算し、次に時間領域又は周波数領域でフィルタ係数の解を解く必要があり、これらの２つのアルゴリズムの推定速度が遅く、その後の位相回復、チャネル均衡化などのモジュールの速度に影響を与え、第３、ＧＣＴベストマッチングに基づく適応分散補償アルゴリズムについては、周期的信号は、そのクロック周波数にＧＣＴと呼ばれる強い周波数スペクトル成分がある。

ＧＣＴの振幅又は電力（振幅の２乗）は、信号の残り分散に極めて敏感であり、分散推定パラメータとして使用されてもよく、ＧＣＴベストマッチングに基づく分散推定方法は、高速システムにおいてサンプリング周波数オフセットに敏感であり、同時に、既存のＧＣＴベストマッチングに基づく分散推定方法は、分散走査方式を使用するか、又は直接計算するにかかわらず、複雑さが高い。

受信側では、長距離伝送における累積された色度分散の広いインパルス応答は、数百又は数千個のシンボルに分散する可能性があり、かつ信号サンプリング周波数の２乗と正比例し、効率を考慮するために、周波数領域補償を実現するときの高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ、ＦＦＴと略称）長が大きく、ＦＦＴ長が比較的大きく、周波数スペクトルが密であるため、システムは、周波数領域で処理するときにサンプリング周波数スペクトルに敏感である。

同時に、ＦＦＴ長が大きいため、計算するときに非常に複雑になり、膨大なリソースが必要になる。これに基づいて、本出願の発明者は、周波数領域上でデータ処理及びフィルタリングを行い、周波数ポイントの周波数スペクトル幅を広げることにより、分散推定法におけるサンプリング周波数スペクトルに敏感な課題を解決することができることを研究において任意選択で発見した。これにより、簡単で迅速かつ高精度の分散推定方法、分散推定方法を実現するための分散推定装置、光通信データコヒーレント受信機及び記憶媒体を提供する。

図１を参照すると、本出願の一実施例による光通信データコヒーレント受信機は、順次接続しているＩＱ不均衡補償モジュール１１、分散推定及び補償モジュール１２、偏光逆多重化モジュール１３、キャリア回復モジュール１４及び判決復号モジュール１５を備える。

ここで、ＩＱ不均衡補償モジュール１１は、ＩＱ不均衡を補償するために使用される。ベースバンドサンプルを使用するデジタル通信受信機のアナログ領域では、無線周波数又は中間周波数信号をベースバンドにダウンコンバートした後、当該ベースバンド信号をアナログ－デジタルコンバーター（Ａｎａｌｏｇ－ｔｏ－Ｄｉｇｉｔａｌ Ｃｏｎｖｅｒｔｅｒ、ＡＤＣと略称）によりデジタル信号に変換する。この場合、ベースバンドにダウンコンバートすると、同相信号と直交信号に分離され、これは、１つの局部発振器（Ｌｏｃａｌ Ｏｓｃｉｌｌａｔｏｒ）が同じゲインと９０度の位相差を持つ２つの正弦波（任意選択で余弦、正弦波）を使用することで達成される。しかし、これらのプロセスは、アナログ領域で実行されるため、誤差が発生する。

特に、ダウンコンバートに使用される余弦波と正弦波の間にゲインと位相誤差が発生し、このとき、これらの誤差は、受信機の性能に深刻な影響を与える可能性があり、これは、ＩＱ不均衡と呼ばれる。

分散推定及び補償モジュール１２は、受信機システムにおける分散補償データストリームを使用して分散値推定を行い、分散推定値をシステムの分散補償に用いるために使用される。

偏光逆多重化モジュール１３は、偏光逆多重化技術を実現するために使用される。偏光多重化とは、同じ波長又は異なる波長の２つの光を１本の光ファイバで同時に独立して伝送することができ、そのため、帯域幅リソースを追加することなく、光ファイバの情報伝送容量を倍増させることを指す。多重化技術とは、信号送信側で複数の信号を異なる方法又は区別方式で組み合わせ、同じチャネルで伝送した後、受信側で元の多重化された信号を分離して、効果的な利用の目的を達成することを指す。逆多重化方式は、主に直接検出とコヒーレント検出とを含む。

キャリア回復モジュール１４は、変調された信号から元のキャリアを回復するというキャリア回復に使用される。キャリア回復方法は、主に、送信側でデジタル信号シーケンスを送信するとともに、キャリア又はそれに関連するパイロット信号を送信し、受信側で狭帯域フィルタ又はフェーズロックループによってキャリアを直接抽出する方法、及び受信信号が、キャリアが抑制された変調信号であり、デジタル信号に対して非線形変換を実行するか、特殊なフェーズロックループを使用することにより、コヒーレントキャリアを取得する方法という２つの方法を含む。

判決復号モジュール１５は、誤り訂正コードへの最適又は最適に近い復号を達成するために使用される。判決復号は、主にソフト判決復号とハード判決復号とを含み、ソフト判定復号とは、デジタルデータを使用して誤り訂正コードを復号することを指し、ハード判決復号とは、デコーダがコードの代数構造により誤り訂正コードを復号することを指す。

図２を参照すると、本出願の一実施例による分散値推定方法は、図１に示す受信機に応用されてもよく、具体的には、本出願の実施例による分散値推定方法は、受信機システムの分散推定及び補償モジュールにおける分散推定に応用されてもよい。当該分散推定方法は、以下のステップを含む。

ステップ１０１において、周波数領域データを取得し、周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得する。

ここでは、周波数領域データは、分散補償における既存の周波数領域データであってもよく、時間領域データを周波数領域変換して得られた周波数領域データであってもよい。直交している２つの偏光状態データは、互いに独立している。受信機が周波数領域データを取得し、周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得することは、受信機が周波数領域データを取得し、周波数領域データを前処理し、前処理により２つの互いに独立した偏光状態データを分離し、それぞれ処理対象データとして使用すること、又は、前処理により２つの互いに独立した偏光状態データに対して線形結合を行い、２つの偏光状態成分をそれぞれ含む、線形結合後の複数の処理対象データを形成することを指す。

ここで、時間領域データを周波数領域変換して周波数領域データを取得することは、高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｉｔｉｏｎ、ＦＦＴと略称）により実現されてもよく、２つの偏光状態データは、それぞれＸ［Ｋ］とＹ［Ｋ］で表されてもよい。

ステップ１０３において、処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げる。

処理対象データをフィルタリングする目的は、周波数ポイントに対応する周波数スペクトル範囲を広げて、サンプリング周波数オフセットに抵抗する能力を高めることである。

隣接する周波数ポイント間の周波数スペクトル幅を広げるための設定された倍数は、フィルタ係数を設定することで実現されてもよく、当該設定された倍数は、予め計算又はシミュレートされてもよいし、経験値に基づいて、予め設定されてもよく、例えば、設定された倍数は、２倍又は３倍であってもよい。なお、ステップ１０１に従って得られた処理対象データが通常、２つ以上のグループを含むため、処理対象データに対してフィルタリングなどの後続処理を行う場合、各処理対象データグループごとにそれぞれ独立して行う。

ステップ１０５において、フィルタリングされた処理対象データを抽出してターゲットデータグループを取得する。

ここで、フィルタリングされた処理対象データを抽出することは、フィルタリングされた後に出力されるデータを複数のグループに分け、複数のグループから１つのグループを抽出することを指す。データフィルタリングのためのフィルタ係数の設定に従って、フィルタリングされた後に出力される処理対象データを抽出することができる。なお、ステップ１０１に従って得られる処理対象データは、通常、２つ以上のグループに含まれ、処理対象データに対してフィルタリングなどの後続処理を行う場合、各処理対象データグループごとにそれぞれ独立して行い、それに対応して、フィルタリングされた処理対象データを抽出する場合、処理対象データグループごとにそれぞれ独立して行う。

ステップ１０７において、ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算する。

設定間隔値が複数含まれてもよく、ターゲット関数が設定間隔値にそれぞれ対応する複数のターゲット関数を含み、受信機がターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、ターゲット関数に対応する位相角に基づいて、分散推定値を計算するステップは、受信機がターゲット関数の位相角値をそれぞれ計算し、複数の設定間隔値にそれぞれ対応するターゲット関数の位相角値をマージして、最終的なターゲット関数に対応する位相角を取得して分散推定値を計算するステップを含む。

前記実施例では、当該分散推定方法では、周波数領域データを取得し、周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得し、処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数広げ、フィルタリングされた処理対象データを抽出してターゲットデータグループを取得し、ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算し、このようにして、周波数領域上でデータを処理及びフィルタリングし、周波数ポイントの周波数スペクトル幅を広げることにより、システムが周波数領域で処理するときにサンプリング周波数スペクトルに敏感であるという課題を回避し、正確な分散推定を実現することができ、かつターゲット関数に対応する位相角値に基づいて、分散推定値を計算することにより、分散推定アルゴリズムの計算量が簡素化され、分散値の正確な推定がより簡単な方法で実現され、システムリソースが節約され、システムの電力消費が削減される。

いくつかの実施例では、周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得するステップは、
周波数領域データのうち、Ｘ偏光状態データとＹ偏光状態データをそれぞれインデックスで奇数と偶数に分け、偶数インデックスの周波数領域データを反転し、奇数インデックスの周波数領域データを変更しなく、前処理されたＸ偏光状態データ及びＹ偏光状態データを取得するステップと、
前処理されたＸ偏光状態データ及びＹ偏光状態データをそれぞれ処理対象データとして使用し、又は、前処理されたＸ偏光状態データ及びＹ偏光状態データに対して線形結合演算を行い、複数の処理対象データグループを取得するステップとを含む。

ここで、周波数領域データを前処理して処理対象データを取得するステップは、取得された周波数領域データのうち、Ｘ偏光状態データとＹ偏光状態データをそれぞれインデックスで奇数と偶数に分け、すべての偶数インデックスの周波数領域データに－１を乗算し、奇数インデックスの周波数領域データを変更しなく、前処理されたＸ偏光状態データ及びＹ偏光状態データを取得するステップを含む。

Ｘ偏光状態データを例とすると、Ｘ偏光状態データのうち、偶数インデックスの周波数領域データに－１を乗算し、奇数インデックスの周波数領域データを変更しなく、前処理されたＸ偏光状態データを取得することは、次の式で表されてもよい：Ｘ′［Ｋ］＝Ｘ［Ｋ］＊（－ｌ）^K、ここで、Ｋ＝０、１、…Ｎ－１、Ｎは周波数領域データ長である。２つの偏光状態が互いに独立しており、前処理されたＸ偏光状態データＸ［Ｋ］及びＹ偏光状態データＹ［Ｋ］をそれぞれ２つの処理対象データグループとして使用し、又は、前処理されたＸ偏光状態データＸ［Ｋ］及びＹ偏光状態データＹ［Ｋ］に対して線形結合演算を行って、異なる方向の複数の処理対象データグループを取得する。

いくつかの実施例では、前処理されたＸ偏光状態データ及びＹ偏光状態データに対して線形結合演算を行い、複数の処理対象データグループを取得するステップは、
Ｘ偏光状態データ又はＹ偏光状態データを第１の処理対象データとして使用するステップと、
Ｘ偏光状態データとＹ偏光状態データを反転してから加算し、第２の処理対象データを得るステップと、
Ｘ偏光状態データとＹ偏光状態データを反転してからそれぞれ複素数の実数部及び虚数部として使用して、第３の処理対象データを取得するステップとを含む。

ここで、線形結合演算が主に対応する偏光状態データに対する反転、線形加算及び複素数加算の方式を含むため、Ｘ偏光状態データ及び／又はＹ偏光状態データを含む３つの異なる方向の３つの処理対象データグループを取得する。具体的には、第１の処理対象データＸ₁［Ｋ］は、Ｘ偏光状態データ、又はＹ偏光状態データを反転したものであり、Ｘ偏光状態データを例とすると、次の式で求めることができる：
Ｘ₁［Ｋ］＝Ｘ′［Ｋ］

第２の処理対象データＸ₂［Ｋ］は、Ｘ偏光状態データとＹ偏光状態データを反転してから線形加算することで得られ、次の式で求められてもよい：
Ｙ′［Ｋ］＝Ｙ［Ｋ］＊（－１）^K、
Ｘ₂［Ｋ］＝Ｘ′［Ｋ］＋Ｙ′［Ｋ］

第３の処理対象データＸ₃［Ｋ］は、Ｘ偏光状態データとＹ偏光状態データを反転してから複素数加算することで得られ、次の式で求められてもよい：
Ｘ₃［Ｋ］＝Ｘ′［Ｋ］＋ｊＹ′［Ｋ］、ここで、ｊは虚数単位である。

なお、Ｘ偏光状態データとＹ偏光状態データに対して線形結合演算を行い、複数の処理対象データグループを取得する前記計算プロセスでは、Ｘ偏光状態データとＹ偏光状態データは交換可能であり、例えば、第１の処理対象データは、Ｙ偏光状態データＹ［Ｋ］であってもよく、第３の処理対象データは、Ｙ偏光状態データを反転してから複素数の実数部とし、Ｘ偏光状態データを複素数の虚数部として使用することができる。

前記実施例では、Ｘ偏光状態データとＹ偏光状態データに対して線形結合演算を行い、３つの異なる方向の処理対象データを得てそれぞれ分散値の推定を行うことにより、色度分散推定に対する偏光分散の影響を回避することができる。

いくつかの実施例では、処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるステップは、
周波数領域データ長、及び隣接する周波数ポイント間の周波数スペクトル幅を予め広げるための設定された倍数に基づいて、窓関数を確定するステップと、
周波数領域データに対応する時間領域データに窓関数を加えるという処理に対応する周波数領域畳み込みによって周波数領域フィルタ係数を確定し、周波数領域フィルタ係数に基づいて、処理対象データをフィルタリングするステップとを含む。

ここで、周波数領域フィルタ係数は、周波数領域データに対応する時間領域データに指定された長さの窓関数を加えるという処理に対応する周波数領域畳み込みによって確定される。周波数領域データ長がＮであり、隣接する周波数ポイント間の周波数スペクトル幅を予め広げるための設定された倍数がＭであることを例とすると、周波数領域データ長、及び隣接する周波数ポイント間の周波数スペクトル幅を予め広げるための設定された倍数に基づいて、窓関数を確定するステップは、周波数領域データ長と周波数ポイント間の周波数スペクトル幅を事前に広げるための設定された倍数との比Ｎ／Ｍに基づいて、窓関数の長さを確定するステップを含み、窓関数のタイプは、具体的な状況に応じて選択されてもよく、例えば矩形窓、ハミング窓などであってもよい。

前記実施例では、周波数領域内の隣接する周波数ポイント間の周波数スペクトル幅を元のＭ倍に広げると、フィルタ係数は、周波数領域データに対応する時間領域データにＮ／Ｍ長さの窓関数を加えた後の対応する周波数領域フィルタ係数であり、即ち、周波数領域がフィルタリングされた後の効果は、時間領域のデータの中央にあるＮ／Ｍのデータに窓関数を加えることと同等であり、このようにして、周波数ポイントに対応する周波数スペクトル範囲を元のＭ倍に広げて、サンプリング周波数オフセットに抵抗する能力を高め、その後の分散推定では、サンプリング周波数オフセットが存在するため、データが共役乗算されたときの周波数ポイントオフセットによるターゲット関数の誤差の増加又は完全な誤りを回避し、２つの周波数ポイント間の周波数スペクトル幅を増やすことにより、周波数ポイントオフセットの課題を解決することができる。

いくつかの実施例では、図３を参照すると、ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算するステップ１０７は、
ターゲットデータグループに対して自己相関を行うステップ１０７１と、
自己相関後のターゲットデータグループを設定間隔値で共役乗算して累算して、設定間隔値に対応するターゲット関数を取得するステップ１０７２と、を含む。

自己相関とは、ある時点での信号の瞬時値と別の時点での瞬時値の間の依存関係を指す。設定間隔値の大きさは、実際の応用状況に応じて確定されてもよく、通常、設定間隔値が小さいほど、推定値の範囲が大きくなり、対応する精度が低くなり、逆に、設定間隔値が大きいほど、推定値が小さくなり、対応する精度が高くなる。複数の設定間隔値にそれぞれ対応するターゲット関数を取得するために、当該設定間隔値の数を複数にすることができる。

任意選択で、設定間隔値をΔ_１で表し、ステップ１０１で周波数領域データを前処理することによって得られた処理対象データのＸ偏光状態データを例とすると、自己相関後のターゲットデータグループを設定間隔値で共役乗算及び累算して、設定間隔値に対応するターゲット関数を得て、その式（６）は次のとおりである：

ここで、Ｒｘ［ｎ］は、自己相関後のデータを表し、

である。設定間隔値に複数のグループ、例えばΔ₂、Δ₃…が含まれる場合、対応するターゲット関数Ｆ₂、Ｆ₃…を取得することができ、ここで、計算式は前記式（６）と同じであり、ここでは説明を省略する。

前記実施例では、自己相関の出力を設定間隔値で共役乗算して累算して、設定間隔値に対応するターゲット関数を得ることにより、設定間隔値の大きさ及び数は、推定値範囲の精度を調整するために、実際の応用状況に応じて確定されてもよい。

いくつかの実施例では、ターゲットデータグループに対して自己相関を行うステップ１０７１は、ターゲットデータグループのうち、周波数領域上のボーレートごとのデータを共役乗算するステップを含む。

ターゲットデータグループとは、処理対象データを抽出した後に得られたデータを指す。

ターゲットデータグループに対して自己相関を行うことは、周波数領域上のボーレートごとのデータを共役乗算することを指す。ステップ１０１で周波数領域データを前処理することによって得られた処理対象データがそれぞれＸ偏光状態データＸ［Ｋ］とＹ偏光状態データＹ［Ｋ］であることを依然として例とすると、処理対象データＸ［Ｋ］、Ｙ［Ｋ］をフィルタリングし、抽出することによって得られたターゲットデータグループは、それぞれＤＸ［Ｌ］とＤＫ［Ｌ］で表され、Ｘ偏光状態データＸ′［Ｋ］を例とすると、ターゲットデータグループＤＸ［Ｌ］に対する自己相関は、次の式（７）で実現されてもよい：

ここで、

、

はデータに対して共役をとることを示す。

いくつかの実施例では、ステップ１０７において、設定間隔値が複数の異なる設定間隔値を含み、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップは、
異なる設定間隔値にそれぞれ対応するターゲット関数の位相角値間の関係が設定された条件を満たしているか否かに応じてマージして、ターゲット関数のターゲット位相角値を取得するステップ１０７３と、
ターゲット位相角値、ターゲット位相角値に対応する設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートに基づいて、分散推定値を計算するステップ１０７４と、を含む。

設定間隔値は複数であり、かつ異なる大きさの設定間隔値であり、設定間隔値が小さいほど、推定値の範囲が大きくなり、対応する精度が低くなり、逆に、設定間隔値が大きいほど、推定値の範囲が小さくなり、対応する精度が高くなり、複数の異なる設定間隔値により、複数の設定間隔値にそれぞれ対応するターゲット関数を得て、ターゲット関数にそれぞれ対応する位相角値に基づいて、位相計算を行い、位相計算によって出力されたターゲット位相角値に対応する係数を乗算して分散推定値を取得する。

ここで、対応する係数は、ターゲット位相角値に対応する設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートによって確定され、ターゲット位相角値、ターゲット位相角値に対応する、設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートに基づいて、分散推定値を計算し、計算式は次の式８のとおりである：

ここで、ｃは光速であり、単位がメートル/秒(m/s)であり、λは周波数領域データに対応する光信号の中心波長であり、単位がナノメートル(nm)であり、ｎｆｆｔは、離散フーリエ変換長であり、

は、サンプリング周波数を表し、単位がGHzであり、

は、シンボルレートを表し、単位がＧｂａｕｄであり、最終的に出力された分散推定値ＣＤの単位はナノ秒/ナノメートル(ns/nm)である。

いくつかの実施例では、異なる設定間隔値にそれぞれ対応するターゲット関数の位相角値間の関係が設定された条件を満たしているか否かに応じてマージして、ターゲット関数のターゲット位相角値を取得するステップ１０７３は、
隣接する２つの設定間隔値に対応するターゲット関数の位相角値を初期の第１の位相角値と第２の位相角値として使用するステップと、
２つの設定間隔値の比と第１の位相角値との積に基づいて、対応する整数部分と小数部分を取得するステップと、
第２の位相角値と小数部分の差が第１の予め設定された値以上である場合、第２の位相角値と整数部分をマージしてから１を減算したものを更新後の第２の位相角値として使用するステップと、
第２の位相角値と小数部分の差が第２の予め設定された値未満である場合、第２の位相角値と整数部分をマージしてから１を加算したものを更新後の第２の位相角値として使用するステップと、
第２の位相角値と小数部分の差が第１の予め設定された値未満かつ第２の予め設定された値以上である場合、第２の位相角値と整数部分をマージしたものを更新後の第２の位相角値として使用するステップと、
更新後の第２の位相角値、及び順次選択された次の設定間隔値に対応するターゲット関数の位相角値を初期の第１の位相角値と第２の位相角値として使用し、設定間隔値に対応するターゲット関数の位相角値のマージが完了されて、ターゲット関数のターゲット位相角値を取得するまで、前記のステップに戻って実行する。

ここで、設定間隔値の数がｗ（ｗ＞１）個であり、かつ

と仮定される。

ここで、設定間隔値Δ₁に対応するターゲット関数Ｆ１の位相角値は

であり、設定間隔値Δ₂に対応するターゲット関数Ｆ２の位相角値は

であり、これによって類推し、設定間隔値Δ_wに対応するターゲット関数Ｆ３の位相角は

である。

第１の予め設定された値が０.５であり、第２の予め設定された値が－０.５であることを例とすると、異なる設定間隔値にそれぞれ対応するターゲット関数の位相角値間の関係が設定された条件を満たしているか否かに応じて、

を次の式の（９）～（１１）のようにマージする：

であれば、

であれば、

他の場合

ここで、ａｎｇｌｅ（・）がデータの位相角をとることを表し、ｆｌｏｏｒ（・）が切り捨てを表すため、前記の式（１０）では、ｉｔｒは、２つの設定間隔値の比と第１の位相角の積に基づいて、得られた整数部分を表し、ｕは小数部分を表し、ｎ＝２、３、…ｗである。

ここで、ｎの値が２である場合、

と

はそれぞれ

と

であり、即ち、

と

を初期の第１の位相角値と第２の位相角値として式（９）～式（１１）に従ってマージを実行し、更新後の

を取得し、更新後の

及び順次選択された

（即ちｎの値が３である場合）を初期の第１の位相角値と第２の位相角値として式（９）～（１１）に従ってマージを実行し、更新後の

を取得し、これによって類推し、設定間隔値に対応するターゲット関数の位相角値のマージが完了され、ターゲット関数のターゲット位相角値

を取得する。

いくつかの実施例では、ターゲット位相角値、ターゲット位相角値に対応する設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートに基づいて、分散推定値を計算するステップ１０７４の前に、
直近の複数回計算されたターゲット関数のターゲット位相角値を比較し、いずれかの２つのターゲット位相角値の差の絶対値が閾値未満であると確定された場合、現在の取得されたターゲット位相角値を最終的なターゲット位相角として使用するステップと、
いずれかの２つのターゲット位相角値の差が閾値よりも大きいと確定された場合、前回の取得されたターゲット位相角値を最終的なターゲット位相角として使用するステップとを含む。

ここで、直近の複数回計算されたターゲット関数のターゲット位相角値は、現在の時点までの直近の複数回計算されたＮＬ個のターゲット関数のターゲット位相角値を指すことができ、ここで、ＮＬの値は、実際のニーズに応じて設定されてもよい。これらのＮＬ個のターゲット位相角値のいずれかの２つのターゲット位相角値の差の絶対値が閾値未満である場合、現在の計算されたターゲット位相角値を最終的なターゲット位相角値として選択し、それによって現在の計算されたターゲット位相角値に基づいて、分散推定値を計算し、これらのＮＬ個のターゲット位相角値のいずれかの２つのターゲット位相角値の差が閾値よりも大きい場合、前回の取得されたターゲット位相角値を最終的なターゲット位相角値として使用し、それによって当該前回の取得されたターゲット位相角値で分散推定値を計算する。

いくつかの実施例では、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップの前に、
ターゲット関数に対して平滑化フィルタリングを行うステップを含む。

ここで、ターゲット関数に対して平滑化フィルタリングを行うためのフィルタ係数についてローパスフィルタ係数を使用する。ターゲット関数

を例とすると、平滑化フィルタリングを行って得られたフィルタ出力は

である。

いくつかの実施例では、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップの前に、
設定長の複数のレジスタを構築し、直近の複数回計算されたターゲット関数の位相角値をレジスタに対応して格納し、各レジスタの累算結果に従ってターゲット関数に対応する位相角値を取得するステップを含む。

ここで、レジスタの設定長は、レジスタに格納された直近の複数回計算されたターゲット関数の位相角値の計算回数と同じである。

レジスタの数は、ターゲット関数の数に対応している。ターゲット関数が

であり、直近のＮＬ回計算されたターゲット関数の位相角値をレジスタに対応して格納することを例とすると、Ｗ個の長さＮＬとなるレジスタを構築し、ｂｕｆｆｅｒｌ、ｂｕｆｆｅｒ２、…、ｂｕｆｆｅｒ Ｗで表し、直近のＮＬ回計算されたターゲット関数

をそれぞれ格納する。

ｂｕｆｆｅｒｌ－Ｗでは初期値はすべてＮＬ個の０であり、ｂｕｆｆｅｒｌ＿Ｗでの累算結果に対応するターゲット関数は

であり、ｂｕｆｆｅｒｌ－Ｗでの累算結果から得られたターゲット関数

に基づいて、ターゲット関数のターゲット位相角値を計算する。

別の選択可能な実施例では、直近の複数回計算されたターゲット関数のターゲット位相角値を比較することは、ｂｕｆｆｅｒｌ－Ｗでの累算結果に対応するターゲット関数

の位相角に基づいて計算された直近のＮＬ個のターゲット位相角値を比較することであってもよく、これらのＮＬ個の位相角値のいずれかの２つの位相角値の差の絶対値が閾値未満である場合、現在の計算されたターゲット位相角値

を最終的なターゲット位相角値として選択し、これらのＮＬ個のターゲット位相角値のいずれかの２つのターゲット位相角値の差の絶対値が閾値よりも大きい場合、前回の得られたターゲット位相角値

を最終的なターゲット位相角値として使用する。

いくつかの実施例では、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップの後、
直近の複数回計算されたターゲット関数のターゲット位相角値を比較し、いずれかの２つのターゲット位相角値の差の絶対値が閾値未満であると確定された場合、現在の取得された分散推定値に基づいて、分散推定値を更新するステップと、
いずれかの２つのターゲット位相角値の差が閾値よりも大きいと確定された場合、前回の取得された分散推定値を維持するステップとを含む。

ここで、直近の複数回計算されたターゲット関数のターゲット位相角値は、現在の時点までの直近の複数回計算されたＮＬ個のターゲット関数のターゲット位相角値を指すことができ、ここで、ＮＬの値は、実際のニーズに応じて設定されてもよい。これらのＮＬ個のターゲット位相角値のいずれかの２つの差の絶対値が閾値未満である場合、分散推定値の更新が開始され、逆に、分散推定値の更新が停止され、前回の分散推定値が維持される。

いくつかの実施例では、フィルタリングされた処理対象データを抽出してターゲットパラメータグループを取得するステップ１０５は、
フィルタリングされた処理対象データを設定された倍数と同じ数のデータグループに分け、データグループからターゲットデータグループを抽出するステップを含む。

ここで、データ抽出は、データフィルタリングにおけるフィルタ係数の設定に関連している。周波数領域内の２つの周波数ポイント間の周波数スペクトル幅を元のＭ倍に変更すると、フィルタリングされた処理対象データをＭ個のグループに分け、Ｍ個ごとのデータを１グループとして使用する。当該処理対象データをＭ個のグループに分けて得られたデータグループは次のように表現されてもよい。

インデックスＬ．Ｍ＋１のデータループは第１のグループとして見なされ、インデックスＬ．Ｍ＋２のデータグループは第２のグループと見なされ、これによって類推して、インデックスＬ．Ｍ＋Ｍのデータグループは、第Ｍのグループと見なされ、

である。

データグループから抽出されたターゲットデータグループについては、Ｍグループのうちの第Ｐのグループをターゲットデータグループとして選択することができる。
ここで、Ｐは予め設定されてもよく、かつ１～Ｍのいずれかの値に設定されてもよい。

本出願の実施例による分散推定方法の実施プロセスをさらに具体的に理解できるために、以下に分散推定方法の４つの選択可能な実施例を説明する。

図４を参照すると、当該分散推定方法は次のステップを含む。

ステップＳ１１において、データの前処理には、Ｘ偏光状態データとＹ偏光状態データをそれぞれ処理対象データとして使用し、
周波数領域データを取得し、データの前処理により、取得された周波数領域データをインデックスで奇数と偶数に分け、すべての偶数インデックスの周波数領域データに－１を乗算し、奇数インデックスの周波数領域データを変更しない。超高速ファイバ通信ではデータは、Ｘ偏光状態とＹ偏光状態の２つの交差する偏光状態に分けられ、２つの偏光状態は、互いに独立している。Ｘ偏光状態データを例とすると、Ｙ偏光状態データへの操作と同じでる。Ｘ偏光状態データの前処理とは、次の方式で処理することを指す：Ｘ′［Ｋ］＝Ｘ［Ｋ］・（－ｌ）^K、ここでＫ＝０、１、２…Ｎ－１。Ｎは周波数領域データ長である。

ステップＳ１２において、データを前処理してから出力された処理対象データをフィルタリングして出力する。

ここで、前処理されたＸ偏光状態データＸ［Ｋ］とＹ偏光状態データＹ［Ｋ］に対してＦＩＲフィルタリングを別々に行う。フィルタリングの目的は、周波数ポイントに対応する周波数スペクトル範囲を広げて、サンプリング周波数オフセットに抵抗する能力を高めることである。分散推定では、その後、周波数領域データの周波数領域上のボーレートごとのデータに対して共役乗算を行う必要がある。サンプリング周波数オフセットがあるため、共役乗算を行うときの周波数ポイントがオフセットする可能性があり、その結果、ターゲット関数は、誤差が増加するか、又は完全に誤る。２つの周波数ポイント間の周波数スペクトル幅を増やすことにより、周波数ポイントオフセットの課題を回避できる。

フィルタ係数は、システムの具体的な条件に応じて設定されてもよく、具体的には、周波数ポイントを元の周波数ポイントの数倍（事前に計算又はシミュレーションされ得る）に広げる必要があり、この値も経験に従って一般的に２倍又は３倍である。周波数領域内の２つの周波数ポイント間の周波数スペクトル幅を元のＭ倍に広げると、フィルタ係数は、時間領域にＮ／Ｍ長さの窓を加えた後の対応する周波数領域フィルタ係数、即ち周波数領域がフィルタリングされた後の効果は、時間領域上のデータの中央にあるＮ／Ｍのデータに窓関数を加えることと同等であり、窓関数は、具体的な状況に応じて選択されてもよく、例えば矩形窓、ハミング窓などであってもよい。Ｎは周波数領域データ長であり、Ｍは２以上の整数である。

ステップＳ１３において、データをフィルタリングしてから出力されたデータを抽出し、
データフィルタリングにおけるフィルタ係数の設定に従って、データフィルタリング出力に対してデータ抽出を行う。Ｘ偏光状態データとＹ偏光状態データに対してデータ抽出を別々に行う。

周波数領域内の２つの周波数ポイント間の周波数スペクトル幅を元のＭ倍に変更すると、データをフィルタリングして出力されたデータをＭ個のグループに分けて、Ｍ個ごとのデータを１つのグループとして使用する。具体的には、インデックスＬ．Ｍ＋１のデータグループは第１のグループと見なされ、インデックスＬ．Ｍ＋２のデータグループは第２のグループと見なされ、これによって類推して、インデックスＬ．Ｍ＋Ｍのデータグループは、第Ｍのグループと見なされる。

Ｍグループのうちの第Ｐのグループを出力として選択すると、Ｐは１～Ｍのいずれかの値に設定されてもよい。第Ｐのグループが出力として選択されると、それ以降のすべてのデータ抽出操作では、第Ｐのグループを出力として選択する必要があることに注意すべきである。Ｐはパラメータとしてシステムの起動時又は再起動時のみに設定されてもよく、その他の場合は変更できない。

ステップＳ１４において、抽出されたデータに対して自己相関操作を行う。

周波数領域上のボーレートごとのデータを共役乗算する。Ｘ偏光状態データとＹ偏光状態データに対してデータ抽出を行う出力はそれぞれＤＸ［Ｌ］、ＤＹ［Ｌ］であり、

であると仮定される。例としてＸ偏光状態データを使用しても、Ｙ偏光状態データを使用しても同じ効果があり、抽出されたデータに対する自己相関操作のための計算式は次のとおりである：

ここで、

、

はデータに対して共役をとることを示す。

ステップＳ１５において、自己相関操作が行われた後のデータを設定間隔値で共役乗算及び累算して、ターゲット関数を取得する。

ターゲット関数を予め設定された間隔値Δ_１で計算し、

設定された間隔値は、複数のグループであってもよく、例えばΔ₂、Δ₃…であり、そのため、対応するターゲット関数を取得することができる。

Ｓ１６において、ターゲット関数に対応する位相角値に基づいて、位相計算を行い、ターゲット関数の最終的な位相角値を取得し、
ターゲット関数に対応する位相角値を計算し、異なる間隔値の位相角値をマージし、設定間隔値の数がＷ（Ｗ＞１）個であり、かつ

と仮定される。

Δ₁に対応する位相角値は

であり、Δ₂に対応する位相角値は

であり、これによって類推し、Δ_wに対応する位相角値は

である。

に対して次のマージ操作を行う：

であれば、

であれば、

他の場合

ここで、

は最終的なターゲット関数の位相角値である。

ここでは、，

、

はデータの位相角をとることを示し、

は切り捨てを示す。

Ｓ１７において、位相計算によって出力されたターゲット関数の位相角値に基づいて、分散推定値を計算して出力する。

位相計算によって出力された位相角値に対応する係数を乗算して分散推定値を取得し、分散推定値を出力し、ここで、分散推定値の計算式は次のとおりである：

；

ここで、ｃは光速であり、単位がメートル/秒(m/s)であり、λは周波数領域データに対応する光信号の中心波長であり、単位がナノメートル(nm)であり、ｎｆｆｔは、離散フーリエ変換長であり、

は、サンプリング周波数を表し、単位がＧＨｚであり、

はシンボルレートを表し、単位がＧｂａｕｄであり、最終的に出力された分散値ＣＤの単位はナノ秒/ナノメートル(ns/nm)である。

図５を参照すると、別の実施例では、当該分散推定方法は、以下のステップを含む。

ステップＳ２１において、データの前処理には、Ｘ偏光状態データとＹ偏光状態データに対して線形結合を行って３グループの処理対象データを取得する。

周波数領域データを取得し、データの前処理により、取得された周波数領域データを、インデックスで奇数と偶数に分け、すべての偶数インデックスの周波数領域データに－１を乗算し、奇数インデックスの周波数領域データを変更しない。超高速ファイバ通信ではデータはＸ偏光状態とＹ偏光状態の２つの交差する偏光状態に分けられ、２つの偏光状態は、互いに独立している。Ｘ偏光状態データを例とすると、Ｘ偏光状態データの偶数インデックスの周波数領域データに－１を乗算し、奇数インデックスの周波数領域データを変更しなく、前処理されたＸ偏光状態データを取得し、ここで前処理は次の式で表現されもよい：Ｘ′［Ｋ］＝Ｘ［Ｋ］＊（－ｌ）^K、ここで、Ｋ＝０、１、２…Ｎ－１、Ｎは周波数領域データ長である。Ｙ偏光状態データの処理方式は、Ｘ偏光状態データの前処理方式と同じであり、ここでは説明を省略する。

前処理されたＸ偏光状態データ及びＹ偏光状態データに対して線形結合演算を行い、

、ここで、

Ｎが周波数領域データ長であり、ｊが虚数単位であり、線形結合演算により得られた

をデータの前処理により出力された３グループの処理対象データとして使用する。

ステップＳ２２において、データの前処理により出力された処理対象データをフィルタリングして出力し、ステップＳ１２との違いは、フィルタリングして入力されたデータをＸ₁［ｋ］、Ｘ₂［ｋ］、Ｘ₃［ｋ］に置き換え、それに対応して、データフィルタリングの出力結果もそれに応じて３グループになることにある。

ステップＳ２３において、データフィルタリングにより出力されたデータを抽出し、ステップＳ１３との違いは抽出された入力データをステップＳ２２の３グループの出力結果に置き換え、抽出された出力結果も３グループになることにある。

ステップＳ２４において、抽出されたデータに対して自己相関操作を行い、ステップＳ１４との違いは、自己相関操作により入力されたデータをステップＳ２３の３グループの抽出された出力結果に置き換えることにある。

ステップＳ２５において、自己相関操作が行われた後のデータを設定間隔値で共役乗算及び累算して、ターゲット関数を取得し、ステップＳ１５との違いは、各グループの入力に従ってターゲット関数をそれぞれ計算し、３グループのターゲット関数を取得することにあり、
３グループのターゲット関数は、

、

、

として表されてもよく、各グループの入力に対して共役乗算を行う計算方式はステップＳ１５と同じであり、ここで、３グループのターゲット関数に対応する累算の計算式は次のとおりである。

をターゲット関数として出力する。

ステップＳ２６において、ターゲット関数に対応する位相角値に基づいて、位相計算を行い、ターゲットパラメータの最終的なターゲット関数の位相角値を取得し、ステップ１６との違いとは位相計算の入力をステップＳ２５で出力されたターゲット関数

に置き換えることにある。

ステップＳ２７において、位相計算によって出力されたターゲット関数の位相角値に基づいて、分散推定値を計算して出力する。ステップＳ２７はステップ２７と同じである。

図６を参照すると、別の実施例では、当該分散推定方法は、以下のステップを含む。

ステップＳ３１において、データの前処理には、Ｘ偏光状態データとＹ偏光状態データをそれぞれ処理対象データとして使用する。ステップＳ３１は、ステップＳ１１と同じである。

ステップＳ３２において、データを前処理してから出力された処理対象データをフィルタリングして出力する。ステップＳ３２はステップＳ１２と同じである。

ステップＳ３３において、データをフィルタリングしてから出力されたデータを抽出する。ステップＳ３３は、ステップＳ１３と同じである。

ステップＳ３４において、抽出されたデータに対して自己相関操作を行う。ステップＳ３４は、ステップＳ１４と同じである。

ステップＳ３５において、自己相関操作が行われた後のデータを設定間隔値で共役乗算して累算して、ターゲット関数を取得した後に平滑化フィルタリングを行い、フィルタリングされたターゲット関数を出力し、ステップＳ１５との違いは、複数のグループの設定間隔値、例えば、

で計算されたターゲット関数

に対して、平滑化フィルタリングを行い、フィルタ係数についてローパスフィルタ係数を使用し、フィルタリング出力が

である。

ステップＳ３６において、フィルタリングされたターゲット関数に対応する位相角値に基づいて、位相計算を行い、最終的なターゲット関数の位相角値を取得し、ステップＳ１６との違いは位相計算の入力をステップＳ３５で出力されたターゲット関数

に置き換えることにある。

ステップＳ３７において、位相計算によって出力されたターゲット関数の位相角値に基って分散推定値を計算し、直近の複数の位相角値のいずれかの２つの位相角値の差の絶対値と閾値の関係に応じて、分散推定値を更新し、ステップＳ１７との違いは、位相計算によって出力されたターゲット関数の位相角値に基づいて、分散指定値を計算した後、直近の複数の位相角値

を比較し、複数の位相角値

のいずれか２つの位相角値の差の絶対値が閾値Ｔｈ未満である場合、分散推定値の更新を開始し、現在の計算された分散推定値を出力し、複数の位相角値

のいずれかの２つの位相角値の差の絶対値が閾値Ｔｈ以上である場合、分散推定値の更新を停止し、前回の分散推定値を維持し、前回の分散推定値を出力することにある。

図７を参照すると、さらなる別の実施例では、当該分散推定方法は、以下のステップを含む。

ステップＳ４１において、データの前処理には、Ｘ偏光状態データとＹ偏光状態データをそれぞれ処理対象データとして使用する。ステップＳ４１はステップＳ１１と同じである。

ステップＳ４２において、データを前処理してから出力された処理対象データをフィルタリングして出力する。ステップＳ４２はステップＳ１２と同じである。

ステップＳ４３において、データをフィルタリングしてから出力されたデータを抽出する。ステップＳ４３はステップＳ１３と同じである。

ステップＳ４４において、抽出されたデータに対して自己相関操作を行う。ステップＳ４４はステップＳ１４と同じである。

ステップＳ４５において、自己相関操作が行われた後のデータを設定間隔値で共役乗算して累算して、ターゲット関数を取得する。ステップＳ４５はステップＳ１５と同じである。

ステップＳ４６において、長さＮＬの複数のレジスタを構築して直近のＮＬ回の計算されたターゲット関数を格納し、レジスタでのデータをそれぞれ累算し、累算後のターゲット関数を取得し、累算されたターゲット関数に対応する位相角値に基づいて、位相計算を行い、最終的なターゲット関数の位相値を取得し、ステップＳ１６との違いは、
Ｗ個の長さＮＬのｂｕｆｆｅｒｌ、ｂｕｆｆｅｒ２、…、ｂｕｆｆｅｒ Ｗを構築し、直近のＮＬ回計算されたターゲット関数

をそれぞれ格納することにある。ｂｕｆｆｅｒｌ－Ｗでは初期値がすべてＮＬ個の０であり、レジスタ内のデータに基づいて、それぞれ累算し、累算後のターゲット関数を取得することは、ｂｕｆｆｅｒｌ－Ｗ内のデータをそれぞれ合計して

を取得することを指す。

累算後のターゲット関数に対応する位相角値に対して位相計算を行うことは、ｂｕｆｆｅｒｌ－Ｗ内のデータを合計したターゲット関数

に基づいて、ターゲット関数の位相角値をそれぞれ計算し、計算プロセスはステップＳ１６と同じである。

ステップＳ４６１において、レジスタ内のデータに基づいて計算された複数のターゲット関数の位相角値のいずれかの２つの位相角値の差の絶対値と閾値の関係に応じて、最終的なターゲット関数の位相角値を更新し、ステップＳ１６との違いは、
累算後のターゲット関数に対応する位相角値に基づいて、位相計算を行い、最終的なターゲット関数の位相角値を取得するステップの後、ｂｕｆｆｅｒｌ－Ｗ内のデータに基づいて計算された複数のターゲット関数の位相角値

のいずれかの２つの位相角値の差の絶対値が閾値Ｔｈ未満である場合、今回のステップＳ４６で計算された

を位相計算出力として使用し、他の場合、前回の

を位相計算出力として使用するステップをさらに含む。

ここで、

は

を使用して計算されたターゲット関数の位相値である。

ステップＳ４７において、位相計算によって出力されたターゲット関数の位相角値に基づいて、分散推定値を計算して出力し、ステップＳ１７との違いは、位相計算によって出力されたターゲット関数をステップＳ４６１で出力されたターゲット関数の位相値に置き換えることにあり、分散推定値の計算方式はステップＳ１７と同じである。

関連技術では、受信側で、長距離伝送における累算された分散の広いインパルス応答が数百又は数千個のシンボルに分散する可能性があり、信号のサンプリング周波数の２乗に比例する。効率を考慮するために、周波数領域補償を実現するときのＦＦＴ長が大きく、したがって、周波数スペクトルが密であり、これにより、システムは、周波数領域上で処理するときにサンプリング周波数スペクトルに敏感であり、従来の分散推定方法は、超高速光ファイバ通信システムで正常に動作できない。

本出願の前記の実施例による分散推定方法により、受信側が周波数領域上でデータの前処理及びフィルタリングを行い、周波数ポイントの周波数スペクトル幅を広げるという課題が解決され、それによって超高速長距離光ファイバシステムの分散推定方法がサンプリング周波数オフセットに敏感であるという課題が解決され、超高速光ファイバ通信の正確な分散推定が実現される。

同時に、ターゲット関数値に対応する位相角値を計算し、異なる間隔での位相値をスプライシングしてマージすることにより、最終的なターゲット関数の位相値を取得し、さらに受信機システムの分散推定値を計算する。

関連技術によって提供される分散走査操作又はＦＦＴ操作による分散推定法に比べ、分散推定アルゴリズムの計算量が簡素化され、超高速長距離光ファイバ通信システムの分散値の正確な推定がより簡単な方法で実現され、システムリソースが節約され、システムの電力消費が削減される。

表１に示すように、それは本出願の実施例による分散推定方法を使用して分散推定値を一回計算するために必要なシステムリソースと関連技術におけるＦＦＴ操作に基づく分散推定方法を使用して分散推定値を一回計算するために必要なシステムリソースの比較表であり、１０ビットのデータビット幅を例とすると、本出願の実施例による分散推定方法を使用して、ターゲット関数値に基づいて、分散推定値を一回計算する計算量は、従来のＦＦＴ法に基づいて分散推定値を一回計算する場合と比較して、リソースが約７８．６％節約される。

本出願の実施例の別の態様について、図８を参照して、分散推定装置をさらに提供する。前記分散推定装置は、周波数領域データを取得し、周波数領域データに含まれる直交している２つの偏光状態データに基づいて処理対象データを取得するための周波数領域データ取得モジュール１２１と、処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるためのフィルタリングモジュール１２３と、フィルタリングされた処理対象データを抽出してターゲットデータグループを取得するための抽出モジュール１２５と、ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するための分散推定モジュール１２７と、を備える。

いくつかの実施例では、周波数領域データ取得モジュール１２１は、偏光状態データユニット、第１の前処理ユニット又は第２の前処理ユニットを含み、偏光状態データユニットは、周波数領域データのうち、Ｘ偏光状態データとＹ偏光状態データをそれぞれインデックスで奇数と偶数に分け、偶数インデックスの周波数領域データを反転し、奇数インデックスの周波数領域データを変更しなく、前処理されたＸ偏光状態データとＹ偏光状態データを取得するために使用され、第１の前処理ユニットは、前処理されたＸ偏光状態データとＹ偏光状態データをそれぞれ処理対象データとするために使用され、第２の前処理ユニットは前処理されたＸ偏光状態データとＹ偏光状態データに対して線形結合演算を行い、複数の処理対象データグループを取得するために使用される。

いくつかの実施例では、第２の前処理ユニットは、具体的にはＸ偏光状態データ又はＹ偏光状態データを第１の処理対象データとして使用し、Ｘ偏光状態データとＹ偏光状態データを反転してから加算し、第２の処理対象データを取得し、Ｘ偏光状態データとＹ偏光状態データを反転してからそれぞれ複素数の実数部及び虚数部として使用して、第３の処理対象データを取得するために使用される。

いくつかの実施例では、フィルタリングモジュール１２３は、具体的には、周波数領域データ長と隣接する周波数ポイント間の周波数スペクトル幅を事前に広げるための設定された倍数に基づいて、窓関数を確定し、周波数領域データに対応する時間領域データに窓関数を加えるという処理に対応する周波数領域畳み込みによって周波数領域フィルタ係数を確定し、周波数領域フィルタ係数に基づいて、処理対象データをフィルタリングするために使用される。

いくつかの実施例では、分散推定モジュール１２７は、自己相関ユニット１２７１とターゲット関数取得ユニット１２７２を含み、自己相関ユニット１２７１は、ターゲットデータグループに対して自己相関を行うために使用され、ターゲット関数取得ユニット１２７２は、自己相関後のターゲットデータグループを設定間隔値で共役乗算して累算し、設定間隔値に対応するターゲット関数を取得するために使用される。

いくつかの実施例では、自己相関ユニット１２７１は、具体的には、ターゲットデータグループの周波数領域上のボーレートごとのデータを共役乗算するために使用される。

いくつかの実施例では、設定間隔値が複数の異なる設定間隔値を含み、分散推定モジュール１２７は、さらに位相計算ユニット１２７３と分散推定ユニット１２７４を含み、位相計算ユニット１２７３は、具体的には異なる設定間隔値にそれぞれ対応するターゲット関数の位相角値間の関係が設定条件を満たしているか否かに応じてマージし、ターゲット関数のターゲット位相角値を取得するために使用され、分散推定ユニット１２７４は、ターゲット位相角値、ターゲット位相角値に対応する設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートに基づいて、分散推定値を計算するために使用される。

いくつかの実施例では、位相計算ユニット１２７３は、具体的には、隣接する２つの設定間隔値に対応するターゲット関数の位相角値を初期の第１の位相角値と第２の位相角値として使用し、２つの設定間隔値の比と第１の位相角値との積に基づいて、対応する整数部分と小数部分を取得し、第２の位相角値と小数部分の差が第１の予め設定された値以上である場合、第２の位相角値と整数部分をマージしてから１を減算したものを更新後の第２の位相角値として使用し、第２の位相角値と小数部分の差が第２の予め設定された値未満である場合、第２の位相角値と整数部分をマージしてから１を加算したものを更新後の第２の位相角値として使用し、第２の位相角値と小数部分の差が第１の予め設定された値未満かつ第２の予め設定された値以上である場合、第２の位相角値と整数部分をマージしたものを更新後の第２の位相角値として使用し、更新後の第２の位相角値、及び順次選択された次の設定間隔値に対応するターゲット関数の位相角値を初期の第１の位相角値と第２の位相角値として使用し、設定間隔値に対応するターゲット関数の位相角値のマージが完了されて、ターゲット関数のターゲット位相角値を得るまで、前記ステップに戻って実行する。

いくつかの実施例では、位相計算ユニット１２７３は、具体的には、直近の複数回計算されたターゲット関数のターゲット位相角値を比較し、いずれかの２つのターゲット位相角値の差の絶対値が閾値未満であると確定された場合、現在の取得されたターゲット位相角値を最終的なターゲット位相角として使用し、いずれかの２つのターゲット位相角値の差が閾値よりも大きいと確定された場合、前回の取得されたターゲット位相角値を最終的なターゲット位相角とするために使用される。

いくつかの実施例では、ターゲット関数取得ユニット１２７２は、さらにターゲット関数に対応する位相角値に基づいて、分散推定値を計算する前に、ターゲット関数に対して平滑化フィルタリングを行うために使用される。

いくつかの実施例では、位相計算ユニット１２７３はさらにターゲット関数に対応する位相角値に基づいて、分散推定値を計算する前に、設定長の複数のレジスタを構築し、直近の複数回計算されたターゲット関数の位相角値をレジスタに対応して格納し、各レジスタの累算結果に従ってターゲット関数に対応する位相角値を取得するために使用される。

いくつかの実施例では、分散推定ユニット１２７４は、さらにターゲット関数に対応する位相角値に基づいて、分散推定値を計算した後、直近の複数回計算されたターゲット関数のターゲット位相角値を比較し、いずれかの２つのターゲット位相角値の差の絶対値が閾値未満であると確定された場合、現在の取得された分散推定値に基づいて、分散推定値を更新し、いずれかの２つのターゲット位相角値の差が閾値よりも大きいと確定された場合、前回の取得された分散推定値を維持するために使用される。

いくつかの実施例では、抽出モジュール１２５は、具体的には、フィルタリングされた処理対象データを設定された倍数と同じ数のデータグループに分け、データグループからターゲットデータグループを抽出するために使用される。

前記の実施例による分散推定装置は、分散推定値を計算するとき、前記の各プログラムモジュールの区分のみを例として説明され、実際の応用において、ニーズに応じて前記のステップを割り当て、異なるプログラムモジュールにより完了することができ、即ち、装置の内部構造を異なるプログラムモジュールに区分して、前記のすべて又は一部の処理を完了することができる。また、前記実施例による分散推定装置は、分散推定方法と共に、同じ概念に属し、その具体的な実現プロセスは、方法の実施例に示すとおりであるため、ここでは説明を省略する。

本出願の実施例は、本出願のいずれかの実施例による分散推定方法のステップを完了するためにプロセッサによって実行されるコンピュータプログラムを記憶するメモリを備える、コンピュータ記憶媒体をさらに提供する。当該コンピュータ記憶媒体は、ＦＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＥ、フラッシュメモリ、磁気表面メモリ、光ディスク、又はＣＤ－ＲＯＭなどのメモリであってもよく、前記のメモリのうちの１つ又はいずれかの組み合わせを含む様々なデバイスであってもよい。

前記は、本出願の具体的な実施形態だけであるが、本出願の保護範囲は、これに制限されず、当業者が本出願で開示された技術範囲内で容易に想到し得る変化又は入れ替わりは、すべて本出願の保護範囲以内に含まれるべきである。本出願の保護範囲は請求項の保護範囲に準拠するべきである。

本出願の実施例によって提供される分散推定方法、装置、光通信データコヒーレント受信機及び記憶媒体では、周波数領域データを取得し、前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得し、前記処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数広げ、フィルタリングされた前記処理対象データを抽出してターゲットデータグループを取得し、前記ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算し、このようにして、周波数領域上でデータを処理及びフィルタリングし、周波数ポイントの周波数スペクトル幅を広げることにより、システムが周波数領域で処理するときにサンプルスペクトルに敏感であるという課題を回避し、正確な分散推定を実現することができ、かつターゲット関数に対応する位相角値に基づいて、分散推定値を計算することにより、分散推定アルゴリズムの計算量が簡素化され、分散値の正確な推定がより簡単な方法で実現され、システムリソースが節約され、システムの電力消費が削減される。

Claims (16)

1. 分散推定方法であって、
   周波数領域データを取得し、前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得するステップと、
   前記処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるステップと、
   フィルタリングされた前記処理対象データを抽出してターゲットデータグループを取得するステップと、
   前記ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するステップと、を含む、分散推定方法。
2. 前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得する前記ステップは、
   前記周波数領域データのうち、Ｘ偏光状態データ及びＹ偏光状態データをそれぞれインデックスで奇数、偶数に分けて、前記偶数インデックスの周波数領域データを反転し、前記奇数インデックスの周波数領域データを変更しなく、前処理された前記Ｘ偏光状態データ及び前記Ｙ偏光状態データを取得するステップと、
   前処理された前記Ｘ偏光状態データ及び前記Ｙ偏光状態データをそれぞれ処理対象データとして使用し、又は、前処理された前記Ｘ偏光状態データ及び前記Ｙ偏光状態データに対して線形結合演算を行い、複数の処理対象データグループを取得するステップと、を含む、請求項１に記載の分散推定方法。
3. 前処理された前記Ｘ偏光状態データ及び前記Ｙ偏光状態データに対して線形結合演算を行い、複数の処理対象データグループを取得する前記ステップは、
   前記Ｘ偏光状態データ又はＹ偏光状態データを第１の処理対象データとして使用するステップと、
   前記Ｘ偏光状態データ及び前記Ｙ偏光状態データを反転してから加算し、第２の処理対象データを取得するステップと、
   前記Ｘ偏光状態データ及び前記Ｙ偏光状態データを反転してからそれぞれ複素数の実数部及び虚数部として使用し、第３の処理対象データを取得するステップと、を含む、請求項２に記載の分散推定方法。
4. 前記処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げる前記ステップは、
   前記周波数領域データ長、及び隣接する周波数ポイント間の周波数スペクトル幅を予め広げるための設定された倍数に基づいて、窓関数を確定するステップと、
   前記周波数領域データに対応する時間領域データに前記窓関数を加えるという処理に対応する周波数領域畳み込みによって周波数領域フィルタ係数を確定し、前記周波数領域フィルタ係数に基づいて、前記処理対象データをフィルタリングするステップと、を含む、請求項１に記載の分散推定方法。
5. 前記ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算する前記ステップは、
   前記ターゲットデータグループに対して自己相関を行うステップと、
   自己相関後の前記ターゲットデータグループを設定間隔値で共役乗算して累算して、前記設定間隔値に対応するターゲット関数を取得するステップと、を含む、請求項１に記載の分散推定方法。
6. 前記ターゲットデータグループに対して自己相関を行う前記ステップは、
   前記ターゲットデータグループのうち、周波数領域上のボーレートごとのデータを共役乗算するステップを含む、請求項５に記載の分散推定方法。
7. 前記設定間隔値が複数の異なる設定間隔値を含み、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算する前記ステップは、
   異なる設定間隔値にそれぞれ対応するターゲット関数の位相角値間の関係が設定された条件を満たしているか否かに応じてマージして、前記ターゲット関数のターゲット位相角値を取得するステップと、
   前記ターゲット位相角値、前記ターゲット位相角値に対応する設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートに基づいて、分散推定値を計算するステップと、を含む、請求項１に記載の分散推定方法。
8. 異なる設定間隔値にそれぞれ対応するターゲット関数の位相角値間の関係が設定された条件を満たしているか否かに応じてマージして、前記ターゲット関数のターゲット位相角値を取得する前記ステップは、
   隣接する２つの設定間隔値に対応するターゲット関数の位相角値を初期の第１の位相角値及び第２の位相角値として使用するステップと、
   前記２つの設定間隔値の比と前記第１の位相角値との積に基づいて、対応する整数部分と小数部分を取得するステップと、
   前記第２の位相角値と前記小数部分の差が第１の予め設定された値以上である場合、前記第２の位相角値と前記整数部分をマージしてから１を減算したものを更新後の第２の位相角値として使用するステップと、
   前記第２の位相角値と前記小数部分の差が第２の予め設定された値未満である場合、前記第２の位相角値と前記整数部分をマージしてから１を加算したものを更新後の第２の位相角値として使用するステップと、
   前記第２の位相角値と前記小数部分の差が前記第１の予め設定された値未満かつ前記第２の予め設定された値以上である場合、前記第２の位相角値と前記整数部分をマージしたものを更新後の第２の位相角値として使用するステップと、
   前記更新後の第２の位相角値、及び順次選択された次の設定間隔値に対応するターゲット関数の位相角値を初期の第１の位相角値と第２の位相角値として使用し、前記設定間隔値に対応するターゲット関数の位相角値のマージが完了されて、前記ターゲット関数のターゲット位相角値を取得するまで、前記ステップに戻って実行するステップと、を含む、請求項７に記載の分散推定方法。
9. 前記ターゲット位相角値、前記ターゲット位相角値に対応する設定間隔値、光速、光信号の中心波長、サンプリング周波数、離散フーリエ変換長及びシンボルレートに基づいて、分散推定値を計算する前記ステップの前に、
   直近の複数回計算された前記ターゲット関数のターゲット位相角値を比較し、いずれか２つのターゲット位相角値の差の絶対値が閾値未満であると確定された場合、現在の取得された前記ターゲット位相角値を最終的なターゲット位相角として使用するステップと、
   いずれかの２つのターゲット位相角値の差が閾値よりも大きいと確定された場合、前回の取得された前記ターゲット位相角値を最終的なターゲット位相角として使用するステップと、を含む、請求項７に記載の分散推定方法。
10. 前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算する前記ステップの前に、
    前記ターゲット関数に対して平滑化フィルタリングを行うステップを含む、請求項１に記載の分散推定方法。
11. 前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算する前記ステップの前に、
    設定長の複数のレジスタを構築し、直近の複数回計算された前記ターゲット関数の位相角値を前記レジスタに対応して格納し、各レジスタの累算結果に従って前記ターゲット関数に対応する位相角値を取得するステップを含む、請求項１に記載の分散推定方法。
12. 前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算する前記ステップの後、
    直近の複数回計算された前記ターゲット関数のターゲット位相角値を比較し、いずれか２つのターゲット位相角値の差の絶対値が閾値未満であると確定された場合、現在の取得された前記分散推定値に基づいて、分散推定値を更新するステップと、
    いずれかの２つのターゲット位相角値の差が閾値よりも大きいと確定された場合、前回の取得された前記分散推定値を維持するステップと、を含む、請求項１に記載の分散推定方法。
13. フィルタリングされた前記処理対象データを抽出してターゲットデータグループを取得する前記ステップは、
    フィルタリングされた前記処理対象データを設定された倍数と同じ数のデータグループに分け、前記データグループからターゲットデータグループを抽出する、ステップを含む請求項１に記載の分散推定方法。
14. 分散推定装置であって、
    周波数領域データを取得し、前記周波数領域データに含まれる直交している２つの偏光状態データに基づいて、処理対象データを取得するように設けられる周波数領域データ取得モジュールと、
    前記処理対象データをフィルタリングし、隣接する周波数ポイント間の周波数スペクトル幅を設定された倍数で広げるようにフィルタリングモジュールと、
    フィルタリングされた前記処理対象データを抽出してターゲットデータグループを取得するように設けられる抽出モジュールと、
    前記ターゲットデータグループに基づき、設定間隔値にそれぞれ対応するターゲット関数を計算し、前記ターゲット関数に対応する位相角値に基づいて、分散推定値を計算するように設けられる分散推定モジュールと、を備える、分散推定装置。
15. 光通信データコヒーレント受信機であって、前記受信機は、順次接続しているＩＱ不均衡補償モジュール、分散推定及び補償モジュール、偏光逆多重化モジュール、キャリア回復モジュール及び判決復号モジュールを備え、前記分散推定及び補償モジュールは、請求項１～１３のいずれか１項に記載の分散推定方法を実現するために使用される、光通信データコヒーレント受信機。
16. 記憶媒体であって、前記記憶媒体に実行可能命令が記憶されており、前記実行可能命令がプロセッサに実行されると、請求項１～３のいずれか１項に記載の分散推定方法が実現される、記憶媒体。
    

Images