论文部分内容阅读
相干光通信是光通信主干网的关键技术。相较于传统的直接探测,相干探测后光信号的强度、相位等信息都能够转换到电信号,从而使高阶调制格式（如m PSK和m QAM）能够被应用于光纤通信系统中。此外,为了进一步地提高频谱效率和系统容量,在单个波长信道上采用两个正交的偏振态进行信号传输实现PDM。目前,PDM相干光通信系统已经被广泛应用于长距离大容量的主干网传输。在该系统中,光电转换后的模拟信号通过高速模数转换器采样成数字信号,并送入相干接收机的数字信号处理（Digital Signal Processing,DSP）模块,光传输链路中的大部分损伤都可以基于各种均衡或恢复算法进行补偿。同时,不需要额外的物理器件,DSP模块还能对光网络的相关参数进行监测,简化了光网络的管理,提高了光网络的灵活性。以此为研究背景,本文围绕PDM相干光通信系统中的信号识别与处理技术,开展了以下三个方面的研究:偏振解复用、调制格式识别和OSNR监测。1、考虑到色噪声对偏振解复用算法性能的影响,提出了一种增强的MMSE频域分数间隔均衡算法来实现相干光通信系统的偏振解复用。由于引入了信道估计矩阵的2-范数和均衡系数的多项式拟合,在不需要光域和电域滤波器相关参数的情况下,降低了色噪声对均衡性能的影响。该方法在1200公里8×112Gbit/s波分复用（Wavelength Division Multiplexing,WDM）PDM-QPSK传输系统中进行了验证。仿真结果表明,与传统的MMSE频域分数间隔均衡算法相比,在误比特率为10-3的情况下,均衡性能提高了～3d B。同时,所提方法的性能也优于对信道估计进行了8次平均的传统MMSE频域分数间隔均衡算法,并且可以减少87.5%的开销,大幅降低了对频谱效率的影响。2、提出了一种基于概率神经网络的斯托克斯空间调制格式识别方法。所提方法根据斯托克斯矢量在s1轴上的幅度直方图,基于概率神经网络将接收到的PDM信号分为PDM-m PSK、PDM-16QAM和PDM-64QAM信号。为了进一步区分PDM-m PSK信号,采用图像处理技术提取斯托克斯平面（s2,s3）上的星座图特征,然后基于概率神经网络进行识别。通过对28GBaud PDM-QPSK、PDM-8PSK、PDM-16QAM和PDM-64QAM信号的数值模拟,验证了该方法能够在较大OSNR范围内实现高精度的调制格式识别。由于概率神经网络的特点,所提出的调制格式识别方法训练过程简单,需要的训练样本数和符号数更少。另外,在28GBaud PDM-QPSK、PDM-8PSK和PDM-16QAM系统中进行了概念验证实验,进一步验证了该方法的可行性。3、提出了一种基于支持向量顺序回归（Support Vector Ordinal Regression,SVOR）的数字相干接收机OSNR监测方法。所提方法根据偏振解复用后得到的均衡信号的戈达尔误差,基于SVOR对OSNR值进行估计。通过对28GBaud PDM-QPSK、PDM-8PSK、PDM-8QAM、PDM-16QAM和PDM-32QAM信号的数值模拟,验证了所提方法的有效性。仿真结果表明,所提方法能够在较大OSNR范围内实现高精度的OSNR监测。另外,在28GBaud PDM-QPSK、PDM-8PSK、PDM-8QAM和PDM-16QAM系统中进行了概念验证实验,进一步验证了该方法的可行性。对于四种调制格式,OSNR估计的误差都能控制在1d B以内,且所有调制格式的平均估计误差均小于0.1d B。综上所述,基于DSP技术,本文分别实现了PDM相干光通信系统的偏振解复用、调制格式识别和OSNR监测,对提高频谱效率和系统容量,增强光网络的透明性和可重构性具有一定的参考意义。