随着云计算,万物互联,高清视频,第五代移动网络等技术相继出现,全球网络流量稳定高速增长。而光纤的通信容量已接近理论极限,仅提升单根光纤速率难以满足需求。为了最大化利用网络频谱资源,光网络需要大量的操控和管理。因此。实时获得网络的物理状态和信号健康状况至关重要,这些被共同称为光性能监测(OPM)。分数阶傅里叶变换(FrFT)是一种有力的数字信号处理工具,相比传统时域和频域方法,能够更加全面地分析信号。本论文主要利用FrFT实现OPM中的色散估计,时频同步和调制格式识别。主要成果总结如下:(1)提出了一种基于FrFT叠加型训练序列,能够同时完成相干通信中的色散估计和时频同步。对训练序列原理进行了推导,并且通过仿真验证了该方法的可行性。证明了在不牺牲频谱效率的前提下,相比传统的盲估计方法,达到相同精度的同时能降低91.8%的计算复杂度。(2)提出了一种基于FrFT的多功能训练序列,能够同时完成时频同步,色散估计和调制格式识别。在光信噪比(OSNR)为8 dB到28 dB,色散为1600 ps/nm到32000ps/nm的条件下,该训练序列能够最多识别六种调制格式,识别成功率达到100%。相比传统方法,该色散估计方法能够抵抗偏振模色散的干扰,在差分群时延为90 ps的条件下,最大误差小于400 ps/nm。(3)提出了一种基于FrFT的多功能训练序列,能够同时完成色散估计和调制格式识别。采用编码映射的方式,将4种FrFT变换阶次映射成4比特的调制格式编码,最多能够识别16种调制格式。在色散为32000 ps/nm和OSNR为10 dB的条件下,色散估计的最大误差小于400 ps/nm,调制格式准确率为100%。并设计了一种新的同步训练序列以保证在低信噪比和色散未补偿的情况下准确同步。以上算法具有多种参数联合监测,低复杂度,强抗干扰能力等优点,有望为灵活网络中的相干接收机作技术支撑。