基于光子神经网络的高线性微波光子链路实现方法及结构技术

本发明专利技术涉及微波光子传输领域，公开了一种基于光子神经网络的高线性微波光子链路实现方法。包括以下过程：通过强度调制链路处理射频信号源，输入到N个微环滤波器，所示N为大于1的整数；针对N个微环滤波器的权重系数进行神经网络训练；所述N个微环滤波器输出的N路电信号进行调制、线性叠加，构造高线性微波光子链路。本发明专利技术方法利用光子神经网络来构建反向链路传输函数，通过后补偿的思路实现高线性度的微波光子链路，显著地简化了系统结构，通过BP训练算法使系统具备工作于非合作的环境下，并且具备宽带(如THz)、实时和低功耗的处理能力，与现有微波光子链路高度兼容。本发明专利技术还公开了一种基于光子神经网络的高线性微波光子链路实现结构。

Implementation Method and Structure of High Linearity Microwave Photonic Link Based on Photonic Neural Network

The invention relates to the field of microwave photon transmission, and discloses a method for realizing a highly linear microwave photon link based on photonic neural network. It includes the following processes: processing radio frequency signal source through intensity modulation link, inputting N micro-loop filters, showing that N is an integer greater than 1; training the weighting coefficients of N micro-loop filters by neural network; modulating and linear overlapping the N-circuit electrical signals of the N micro-loop filters to construct a highly linear microwave photonic link. The method of the invention uses photonic neural network to construct reverse link transmission function, realizes high linearity microwave photonic link through post-compensation thinking, significantly simplifies the system structure, makes the system work in a non-cooperative environment through BP training algorithm, and has broadband (such as THz), real-time and low power processing capabilities, and is highly compatible with the existing microwave photonic link. The invention also discloses a high linear microwave photonic link implementation structure based on photonic neural network.

【技术实现步骤摘要】
基于光子神经网络的高线性微波光子链路实现方法及结构
本专利技术涉及微波光子传输领域，尤其是基于光子神经网络的高线性微波光子链路实现方法及结构。
技术介绍
光波分复用技术的出现和掺铒光纤放大器的专利技术使光通信得到迅速发展。光纤通信具有损耗低，抗电磁干扰，超宽带，易于在波长、空间、偏振上复用等很多优点。其主要问题是移动性不够。与此同时，随着对无线通信容量需求的增加，微波技术也在迅速发展。微波通信能够在任意方向上发射、易于构建和重构，实现与移动设备的互联；蜂窝式系统的出现，使微波通信具备高的频谱利用率。但目前微波频段的有限带宽成为严重问题。此时，光纤技术与微波技术相互融合成为一个重要新方向，即微波光子学。在过去的十年中，微波光子学迎来了高速的发展。然而人们发现，在传统强度调制的模拟链路(微波光子链路)中，信号在光链路中传输时，电光调制器和光电探测器的非线性特性会使原信号发生失真，主要体现为在原始信号频率两边产生新的频率信号(称为交调失真分量)。交调失真限制了微波光子系统中射频信号的传输功率，严重制约了微波光子链路的性能，大大降低链路的无杂散动态范围(Spurious-FreeDynamicRange,SFDR)。因此如何提高链路的线性度(即补偿交调失真分量)，改善链路SFDR，是微波光子传输领域非常重要的研究内容。目前，高线性微波光子链路已经引起了很多国家的高度重视，其中美国国防部高级研究计划署(又称为DAPRA)支持了多个大动态范围的微波光子链路非线性补偿研究项目，并且取得了较大的研究成果；加拿大国家科学与工程研究委员会与渥太华大学建立的长期合作关系中，一个主要的研究内容即为如何有效地提高微波光子链路的动态范围；另外美国海军实验室和约翰霍普金斯大学(TheJohnsHopkinsUniversity:JHU)等机构都在微波光子链路非线性补偿的研究中投入了大量资金和精力，并取得了相应进展。具体工作包括：(1)1999年提出的多波长调制法，可以通过控制调制器偏置电压和探测器的输出电流比，实现二阶和三阶非线性的同时消除，SFDR提高了6-dB；(2)韩国信息与通信研究部以单边带信号和双边带信号为目标，分别分析了IMD3在直接探测链路中的机理，从而提出利用一个双驱动马赫增德尔调制器实现IMD3补偿方案；(3)CristinaLim教授2007年提出的单边带滤波法，同时实现了多达64个RF信号的非线性失真补偿。并且IMD3抑制比超过了10-dB；(4)2009年加拿大康考迪亚大学研究者则提出在单边带调制链路中利用双驱动马赫增德尔调制器的偏振混合效应实现非线性补偿[134]。实验中得到了SFDR为103-dB·Hz2/3的微波光子链路。然而强度调制器由于偏置电压漂移等问题在实际应用中需要一套额外的稳压装置，加大了系统成本。因此相位调制的微波光子链路逐渐成为了研究的热点。在美国DAPRA资助下，加州大学提出了基于光锁相环的反馈微波光子链路。反馈电路中的环路增益与相位调制器的非线性传输特性相互作用，消除了输出信号的IMD3。在相位调制-相干链路中引入光锁相环技术，不仅可以提高微波光子链路的线性度，还可使链路性能不依赖于射频信号的频率和功率。利用该技术可实现SFDR为125-dB·Hz2/3的微波光子链路。国内高校和研究机构的教授、科学家在这一领域也有许多研究，包括清华大学研究组提出后处理方式，在传统微波光子链路结构中利用数字信号处理算法实现了非线性补偿，系统SFDR可达到124.8-dB·Hz2/3；北京邮电大学提出利用偏振调制器和I/Q强度解调方式，通过对偏振态的控制实现接收端I路和Q路的互补性，最后通过数字信号处理的辅助实现非线性补偿。这一技术中的DSP算法较为简单，系统SFDR为可达124-dB·Hz2/3；南京航空航天大学则提出两个平行的偏振调制器结构，通过对偏振态的调节引起两个偏振调制器输出信号的干射，从而达到非线性补偿的目的。这一方案可以较大程度抑制IMD3，将SFDR提高了15.5-dB。以上方案各有优点，也各自适用于不同的应用领域。但是，现有技术方案大部分是以复杂的特定结构或者链路和传输信号参数已知等限制为代价，前者不适用于大阵列的雷达系统和复杂网络的多点通信系统中，而后者难以在非合作的电子信息系统中应用。因此，基于光子神经网络的高线性微波光子链路实现方法的研究在构建民用以及军民融合电子信息系统中的信号传输链路上具有重大意义与应用价值。
技术实现思路
本专利技术所要解决的技术问题是：针对上述存在的问题，提供一种基于光子神经网络的高线性微波光子链路实现方法。本专利技术采用的技术方案如下：一种基于光子神经网络的高线性微波光子链路实现方法，具体包括以下过程：步骤1，通过强度调制链路处理射频信号源，输入到N个微环滤波器，所示N为大于1的整数；步骤2，针对N个微环滤波器的权重系数进行神经网络训练；步骤3，所述N个微环滤波器输出的N路电信号进行调制、线性叠加，构造高线性微波光子链路。进一步的，所述步骤1中，强度调制链路处理后的光信号的具体过程为：步骤11，射频信号源经过一个功分器分成两路微波信号，其中一路微波信号与一个激光器产生的光信号一起进入一个电光调制器中生成微波光子信号，微波光子信号进入一个1:99的光耦合器分成两路光信号，其中一路光信号通过偏置电压控制器反馈输入电光调制器的偏置电压端口，另一路光信号进入一个光放大器进行光功率损耗补偿后获得处理后的光信号。进一步的，所述步骤2的具体过程为：步骤21，从功分器输出的另一路微波信号经过电延迟线延迟后作为神经网络训练时期的参考样本；步骤22，采集光电探测器输出训练样本，将训练样本与参考样本进行对比，利用权重控制单元对N个微环滤波器的权重系数进行调整；步骤23，调整后输出的信号进入平衡探测器实现加权运算，加权后的信号分别和N个波长不同的光源一起进入调制器，再依次输入到波分复用器和光电探测器实现线性叠加；步骤24，线性叠加后的信号作为训练样本，输入到权重控制单元，重复步骤22到步骤23的过程直到神经网络训练完成。进一步的，所述步骤3的具体过程为：步骤31，所述N个微环滤波器对光放大器输出的光信号进行权重调整输出N路电信号；步骤32，N路电信号分别输入N个平衡探测器进行加权运算；步骤33，加权后的N个信号和N个波长不同的光源一起进入调制器，再依次输入到波分复用器和光电探测器实现线性叠加。本专利技术还公开了一种基于光子神经网络的高线性微波光子链路实现结构，具体包括：强度调制链路，用于处理激光器和射频信号源产生光载微波信号，所述光载微波信号直接连接到神经网络训练单元和微波光子链路非线性补偿单元；；神经网络训练单元，用于训练非线性微波光子链路补偿单元中微环滤波器的权重系数；微波光子链路非线性补偿单元，用于通过非线性调制和线性叠加，非线性的微波光链路转化成高线性度的链路。进一步的，所述强度调制链路具体包括射频信号源、功分器、激光器、电光调制器、光耦合器、偏置电压控制器和光放大器，射频信号源连接功分器，所述功分器具有第一输出端和第二输出端，所述第一输出端连接电光调制器的微波信号输入口，所述激光器连接电光调制器，所述电光调制器连接光耦合器，所述光耦合器具有第Ⅰ输出端和第Ⅱ输出端，所述第Ⅰ输出端本文档来自技高网...

【技术保护点】
1.一种基于光子神经网络的高线性微波光子链路实现方法，其特征在于，具体包括以下过程：步骤1，通过强度调制链路处理射频信号源，输入到N个微环滤波器，所示N为大于1的整数；步骤2，针对N个微环滤波器的权重系数进行神经网络训练；步骤3，所述N个微环滤波器输出的N路电信号进行调制、线性叠加，构造高线性微波光子链路。

【技术特征摘要】
1.一种基于光子神经网络的高线性微波光子链路实现方法，其特征在于，具体包括以下过程：步骤1，通过强度调制链路处理射频信号源，输入到N个微环滤波器，所示N为大于1的整数；步骤2，针对N个微环滤波器的权重系数进行神经网络训练；步骤3，所述N个微环滤波器输出的N路电信号进行调制、线性叠加，构造高线性微波光子链路。2.如权利要求1所述的基于光子神经网络的高线性微波光子链路实现方法，其特征在于，所述步骤1中，强度调制链路处理后的光信号的具体过程为：步骤11，射频信号源经过一个功分器分成两路微波信号，其中一路微波信号与一个激光器产生的光信号一起进入一个电光调制器中生成微波光子信号，微波光子信号进入一个1:99的光耦合器分成两路光信号，其中一路光信号通过偏置电压控制器反馈输入电光调制器的偏置电压端口，另一路光信号进入一个光放大器进行光功率损耗补偿后获得处理后的光信号。3.如权利要求2所述的基于光子神经网络的高线性微波光子链路实现方法，其特征在于，所述步骤2的具体过程为：步骤21，从功分器输出的另一路微波信号经过电延迟线延迟后作为神经网络训练时期的参考样本；步骤22，采集光电探测器输出训练样本，将训练样本与参考样本进行对比，利用权重控制单元对N个微环滤波器的权重系数进行调整；步骤23，调整后输出的信号进入平衡探测器实现加权运算，加权后的信号分别和N个波长不同的光源一起进入调制器，再依次输入到波分复用器和光电探测器实现线性叠加；步骤24，线性叠加后的信号作为训练样本，输入到权重控制单元，重复步骤22到步骤23的过程直到神经网络训练完成。4.如权利要求3所述的基于光子神经网络的高线性微波光子链路实现方法，其特征在于，所述步骤3的具体过程为：步骤31，所述N个微环滤波器对光放大器输出的光信号进行权重调整输出N路电信号；步骤32，N路电信号分别输入N个平衡探测器进行加权运算；步骤33，加权后的N个信号和N个波长不同的光源一起进入调制器，再依次输入到波分复用器和光...

【专利技术属性】
技术研发人员：钟欣，陈智宇，周涛，刘静娴，王茂汶，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：四川,51