【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及光通信，尤其涉及一種短距離高速光纖通信均衡方法及系統(tǒng)。
技術(shù)介紹
1、在全球信息化的時(shí)代背景下，信息數(shù)字化的發(fā)展離不開數(shù)據(jù)傳輸，光纖通信系統(tǒng)作為傳輸網(wǎng)絡(luò)的重要組成部分之一，所面對(duì)的傳輸容量和傳輸距離需求也不斷增大。單模光纖作為一種成熟的技術(shù)，已經(jīng)在網(wǎng)絡(luò)中心互聯(lián)等短距離高速通信中得到廣泛的應(yīng)用，在段距離光纖通信中，針對(duì)各種損傷的補(bǔ)償與均衡一直是研究熱點(diǎn)。高速相干光通信系統(tǒng)中存在的各種損傷和嚴(yán)重抑制了系統(tǒng)的傳輸性能，由于光電器件和光纖傳輸鏈路都會(huì)存在一定的非線性效應(yīng)，當(dāng)器件數(shù)量較多時(shí)，其產(chǎn)生的非線性效應(yīng)互相疊加，會(huì)引起傳輸信號(hào)的非線性相位偏移，碼元間串?dāng)_，從而嚴(yán)重影響信號(hào)質(zhì)量。如何處理非線性損傷是高速相干光通信系統(tǒng)實(shí)現(xiàn)過(guò)程中繞不開的一大難題。
2、現(xiàn)有技術(shù)提出了許多用于接收端數(shù)字信號(hào)處理器dsp的非線性均衡方法，包括數(shù)字反向傳播(dbp)、volterra級(jí)數(shù)近似和基于微擾的非線性均衡。上述非線性均衡方法均因其消除系統(tǒng)的有效性而得到了廣泛的研究，但是在高速通信系統(tǒng)中，這些方法的性能較低而復(fù)雜度巨大。隨著機(jī)器學(xué)習(xí)的發(fā)展，大量機(jī)器學(xué)習(xí)算法的應(yīng)用為補(bǔ)償光纖通信系統(tǒng)中的非線性損傷提供了新的路線。其中，支持向量機(jī)，支持向量回歸，k均值等監(jiān)督學(xué)習(xí)算法，以及k近鄰和期望最大化(em)等無(wú)監(jiān)督學(xué)習(xí)算法因其較好的均衡能力而備受關(guān)注，在高速通信系統(tǒng)中，由于非線性的影響，信號(hào)在傳輸過(guò)程中出現(xiàn)脈沖展寬現(xiàn)象，相鄰的多個(gè)信號(hào)之間會(huì)互相影響，即出現(xiàn)了記憶效應(yīng)而成為時(shí)序序列，與基于volterra函數(shù)的算法和數(shù)字反向傳播相比，機(jī)器學(xué)習(xí)算法
3、在單模光纖中使用偏振復(fù)用技術(shù)可以提高傳輸容量，但是在短距高速傳輸系統(tǒng)中，光纖非線性以及接收端器件的非線性產(chǎn)生疊加，使得后續(xù)的補(bǔ)償難度大大提升，常規(guī)的電域均衡算法無(wú)法完整的消除這些混合干擾，所以針對(duì)光纖通信系統(tǒng)中非線性損傷的補(bǔ)償技術(shù)還需要考慮損傷的疊加性和時(shí)序相關(guān)性，以實(shí)現(xiàn)對(duì)系統(tǒng)性能的最大化提升，這也是現(xiàn)有技術(shù)中所忽視的部分。
技術(shù)實(shí)現(xiàn)思路
1、鑒于此，本專利技術(shù)實(shí)施例提供了一種短距離高速光纖通信均衡方法及系統(tǒng)，以消除或改善現(xiàn)有技術(shù)中存在的一個(gè)或更多個(gè)缺陷，解決現(xiàn)有技術(shù)對(duì)短距離高速傳輸系統(tǒng)中光纖及接收端器件非線性疊加導(dǎo)致非線性聚類模型復(fù)雜度高而難以消除混合干擾的問(wèn)題。
2、本專利技術(shù)的一個(gè)方面提供了一種短距離高速光纖通信均衡方法，所述方法用于在單模光纖通信系統(tǒng)中的接收端執(zhí)行，該方法包括以下步驟：
3、接受發(fā)送端經(jīng)設(shè)定階數(shù)正交幅度調(diào)制的光信號(hào)，對(duì)所述光信號(hào)進(jìn)行偏振分束、光電探測(cè)和四通道數(shù)字采樣后，采用預(yù)設(shè)方法執(zhí)行線性均衡處理，得到兩個(gè)極化方向上的完整數(shù)據(jù)集；所述數(shù)據(jù)集符號(hào)序列中的每個(gè)符號(hào)基于二維向量表達(dá)數(shù)據(jù)點(diǎn)的實(shí)部和虛部；
4、針對(duì)所述完整數(shù)據(jù)集，利用粒子群優(yōu)化算法建立高斯混合模型的初始參數(shù)，所述高斯混合模型包含多個(gè)高斯分布，各高斯分布與所述設(shè)定階數(shù)對(duì)應(yīng)以描述每個(gè)星座點(diǎn)的分布；
5、利用期望最大化算法對(duì)所述初始參數(shù)狀態(tài)下的所述高斯混合模型進(jìn)行迭代，直至參數(shù)收斂；
6、基于參數(shù)收斂后的所述高斯混合模型，計(jì)算每個(gè)所述數(shù)據(jù)點(diǎn)屬于各高斯分布的后驗(yàn)概率作為隸屬度，根據(jù)所述隸屬度進(jìn)行聚類劃分同聚類簇，完成非線性均衡。
7、在一些實(shí)施例中，采用預(yù)設(shè)方法執(zhí)行線性均衡處理，包括：
8、對(duì)采樣后得到的數(shù)據(jù)進(jìn)行i/q正交化、低通濾波處理、gardner時(shí)間同步、色散補(bǔ)償、頻率偏移補(bǔ)償和相位偏移補(bǔ)償。
9、在一些實(shí)施例中，針對(duì)所述完整數(shù)據(jù)集，利用粒子群優(yōu)化算法建立高斯混合模型的初始參數(shù)，包括：
10、初始化粒子群，每個(gè)粒子代表所述高斯混合模型參數(shù)的一個(gè)解；
11、在每次迭代過(guò)程中，計(jì)算并記錄每個(gè)粒子的適應(yīng)度值；基于各粒子的適應(yīng)度值確定個(gè)體極值和群體極值；根據(jù)所述個(gè)體極值和所述群體極值對(duì)應(yīng)的位置和速度更新各粒子自身的速度和位置；
12、在達(dá)到設(shè)定迭代次數(shù)或所述群體極值達(dá)到設(shè)定值時(shí)，停止迭代，并輸出所述群體極值對(duì)應(yīng)粒子的解作為高斯混合模型的初始參數(shù)。
13、在一些實(shí)施例中，所述適應(yīng)度值采用所述高斯混合模型的對(duì)數(shù)似然函數(shù)計(jì)算得到，計(jì)算式為：
14、
15、其中，αk表示第k個(gè)高斯分布的混合系數(shù)，μk表示第k個(gè)高斯分布的均值，表示第k個(gè)高斯分布的協(xié)方差，表示第k個(gè)高斯分布的概率密度；n表示數(shù)據(jù)點(diǎn)數(shù)量，xi表示第i個(gè)數(shù)據(jù)點(diǎn)；k表示高斯分布的數(shù)量；
16、根據(jù)所述個(gè)體極值和所述群體極值對(duì)應(yīng)的位置和速度更新各粒子自身的速度和位置中，速度更新公式為：
17、
18、其中，w為慣性權(quán)重；k為當(dāng)前迭代次數(shù)，c1為個(gè)體學(xué)習(xí)因子，c2為社會(huì)學(xué)習(xí)因子；r1和r2是分布在[0,1]之間的隨機(jī)數(shù)；表示粒子i在當(dāng)前第k次迭代的位置；表示粒子i直至當(dāng)前迭代輪次的個(gè)體最優(yōu)位置；整個(gè)粒子直至當(dāng)前迭代輪次的全局最優(yōu)位置；表示粒子i在第k+1次迭代時(shí)的速度，表示粒子i第k次迭代時(shí)的速度；
19、粒子的位置更新公式為：
20、
21、其中，表示粒子i在下一次迭代輪次中的位置；是粒子i在當(dāng)前迭代輪次的位置，是粒子i在下一次迭代輪次的速度。
22、在一些實(shí)施例中，利用期望最大化算法對(duì)所述初始參數(shù)狀態(tài)下的所述高斯混合模型進(jìn)行迭代，直至參數(shù)收斂，包括：
23、定義隱變量zik，反映數(shù)據(jù)點(diǎn)xi來(lái)自第k個(gè)高斯分布，表達(dá)式為：
24、
25、其中，i＝1，2，…，n；k＝1，2，…，k；所述隱變量與所述數(shù)據(jù)點(diǎn)組成了完全數(shù)據(jù)，記為(xi，zi1，zi2，…，zik)i＝1，2，…，n；
26、高斯混合模型的似然函數(shù)表達(dá)式為：
27、
28、其中，μk表示第k個(gè)高斯分布的均值，表示第k個(gè)高斯分布的協(xié)方差；nk表示n個(gè)觀測(cè)點(diǎn)中來(lái)自第k個(gè)高斯分布的個(gè)數(shù)；
29、則所述高斯混合模型的對(duì)數(shù)似然函數(shù)為：
30、
31、所述期望最大化算法在e步驟中，根據(jù)當(dāng)前參數(shù)來(lái)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)xi屬于第k個(gè)高斯分布的后驗(yàn)概率記θ0為迭代的參數(shù)初始值，記θt為第t次迭代中參數(shù)θ的估計(jì)值，根據(jù)對(duì)對(duì)數(shù)似然函數(shù)求期望，得到q函數(shù)：
32、q(θ，θt)＝e(logp(x，x|θ)，θt)；
33、
34、其中，i＝1，2，...，n；k＝1，2，...，k；
35、在m步驟中，求所述q函數(shù)取得極大值時(shí)候的θ，作為θt+1參與下次迭代，表達(dá)式為：
36、
37、其中，θ包含所述高斯混合模型中的各高斯分布的混合系數(shù)αk、均值μk和協(xié)方差表達(dá)式為：
38、θ＝(α1，α2，...，αk；μ1，μ2，...本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種短距離高速光纖通信均衡方法，其特征在于，所述方法用于在單模光纖通信系統(tǒng)中的接收端執(zhí)行，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的短距離高速光纖通信均衡方法，其特征在于，采用預(yù)設(shè)方法執(zhí)行線性均衡處理，包括：
3.根據(jù)權(quán)利要求2所述的短距離高速光纖通信均衡方法，其特征在于，針對(duì)所述完整數(shù)據(jù)集，利用粒子群優(yōu)化算法建立高斯混合模型的初始參數(shù)，包括：
4.根據(jù)權(quán)利要求3所述的短距離高速光纖通信均衡方法，其特征在于，所述適應(yīng)度值采用所述高斯混合模型的對(duì)數(shù)似然函數(shù)計(jì)算得到，計(jì)算式為：
5.根據(jù)權(quán)利要求4所述的短距離高速光纖通信均衡方法，其特征在于，利用期望最大化算法對(duì)所述初始參數(shù)狀態(tài)下的所述高斯混合模型進(jìn)行迭代，直至參數(shù)收斂，包括：
6.根據(jù)權(quán)利要求1所述的短距離高速光纖通信均衡方法，其特征在于，所述方法中所述發(fā)射端采用16-QAM、64-QAM或256-QAM調(diào)制所述光信號(hào)。
7.一種短距離高速光纖通信系統(tǒng)，其特征在于，所述系統(tǒng)包括：
8.根據(jù)權(quán)利要求7所述的短距離高速光纖通信系統(tǒng)，其特征在于，所
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6中任一項(xiàng)所述方法的步驟。
10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述方法的步驟。
...【技術(shù)特征摘要】
1.一種短距離高速光纖通信均衡方法，其特征在于，所述方法用于在單模光纖通信系統(tǒng)中的接收端執(zhí)行，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的短距離高速光纖通信均衡方法，其特征在于，采用預(yù)設(shè)方法執(zhí)行線性均衡處理，包括：
3.根據(jù)權(quán)利要求2所述的短距離高速光纖通信均衡方法，其特征在于，針對(duì)所述完整數(shù)據(jù)集，利用粒子群優(yōu)化算法建立高斯混合模型的初始參數(shù)，包括：
4.根據(jù)權(quán)利要求3所述的短距離高速光纖通信均衡方法，其特征在于，所述適應(yīng)度值采用所述高斯混合模型的對(duì)數(shù)似然函數(shù)計(jì)算得到，計(jì)算式為：
5.根據(jù)權(quán)利要求4所述的短距離高速光纖通信均衡方法，其特征在于，利用期望最大化算法對(duì)所述初始參數(shù)狀態(tài)下的所述高斯混合模型進(jìn)行迭代，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉博，忻向軍，朱磊，任建新，丁暢，陳帥東，
申請(qǐng)(專利權(quán))人：北京郵電大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。