[发明专利]非线性区光信噪比监测方法和装置

说明书

本发明提供一种非线性区光信噪比监测方法和装置，该方法包括：采用数字信号处理器对光纤相干传输系统的输出信号进行处理，并获得幅度柱状图和辅助校准非线性噪声的自适应滤波器抽头系数，该处理包括IQ不平衡补偿处理、电色散补偿处理、解偏振复用处理、频偏补偿处理、相位损伤恢复处理和码间干扰均衡处理；从幅度柱状图中提取第一数目的基于幅度柱状图的特征，基于幅度柱状图的特征包括：峰值位置特征、标准差特征和峰值最大值特征；从数据集中选择样本数据加权输入至预先建立的用于进行光信噪比监测的神经网络模型，以基于神经网络模型获得光信噪比监测结果，所述数据集中的样本数据包括提取的基于幅度柱状图的特征和自适应滤波器抽头系数。

技术领域

本发明涉及光电子和光纤通信技术领域，尤其涉及一种非线性区光信噪比监测方法和装置。

背景技术

在实际应用中，光纤传输系统通常工作在弱非线性区。在没有进行色散管理的长距离光纤传输系统中，进行算法补偿后的光纤非线性噪声和放大器自发辐射 (AmplifierSpontaneous Emission，ASE) 噪声对于星座图的影响是相同的，因此对于光信噪比(Optical Signal Noise Ratio，OSNR)的估计会偏低，因此如何进行非线性区光信噪比的准确监测成为了光性能监测中的一个研究热点。香港理工大学的Zhenhua Dong等人于2012年采用幅度噪声自相关函数(Autocorrelation Function，ACF)作为OSNR的监测辅助，对OSNR监测的结果进行校准，得到了不错的结果。韩国科学技术院的H. G. Choi等人于2015年对于不同偏振态之间的幅度噪声自相关函数进行研究，在偏振复用-正交相移键控(Polarization Multiplexing-Quadrature Phase Shift Keying，PDM-QPSK)系统中，对于非线性环境下的OSNR监测达到了1.3dB精度的有效监测。英国剑桥大学的F. J. V.Caballero等人于2018年通过获得两种不同效应的特征：非线性相位噪声和二阶统计矩，进而估计接收信号的线性信噪比和非线性信噪比，从而实现了线性信噪比和非线性信噪比的联合监测。另外，香港理工大学的Jianing Lu等人于2020年也提出了线性信噪比和非线性信噪比的联合监测方案，并且通过频谱分量相关性分析实现了联合监测方案。

然而，现有的非线性区光信噪比监测方案相对复杂，且监测精度偏低，如何实现灵活又精确的低复杂度非线性区OSNR监测是一个有待解决的问题。

发明内容

针对现有技术中存在的问题，本发明实施例提供了一种基于幅度柱状图特征提取的非线性区光信噪比监测方法和装置，以利用自适应滤波器抽头系数来辅助非线性区OSNR灵活的、低复杂度的监测，从而解决现有技术中存在的一个或多个问题。

本发明的一个方面，提供了一种非线性区光信噪比监测方法，该方法包括以下把步骤：

采用数字信号处理器对光纤相干传输系统的输出信号进行处理，获得幅度柱状图以及辅助校准非线性噪声的自适应滤波器抽头系数，其中，所述处理包括IQ不平衡补偿处理、电色散补偿处理、解偏振复用处理、频偏补偿处理、相位损伤恢复处理和码间干扰均衡处理；

从获得的幅度柱状图中提取第一数目的基于幅度柱状图的特征，所述基于幅度柱状图的特征包括以下特征中的部分或全部特征：峰值位置特征、标准差特征和峰值最大值特征；

从数据集中选择样本数据加权输入至预先建立的用于进行光信噪比监测的神经网络模型，对所述神经网络模型分别进行训练和测试，以基于所述神经网络模型获得光信噪比监测结果，所述数据集中的样本数据包括提取的基于幅度柱状图的特征和自适应滤波器抽头系数。

在本发明一些实施方式中，所述第一数目的基于幅度柱状图的特征为5个基于幅度柱状图的特征，其包括：3个峰值位置特征、1个标准差特征和1个峰值最大值特征；所述自适应滤波器抽头系数为4组。

在本发明一些实施方式中，所述神经网络模型为全连接多层感知机模型。