一种基于IPCA-DNN算法的光纤非线性均衡方法技术

本发明专利技术公开了一种基于IPCA‑DNN算法的光纤非线性均衡方法，首先用色散补偿模块来补偿传输链路的线性损伤，然后计算信道内交叉相位调制和信道内四波混频的三元组；再通过改进型PCA算法与聚类分析结合对所述三元组进行数据预处理；然后通过神经网络训练预处理后的三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值；最后利用非线性损伤值的预测值与神经网络的标签值来计算该非线性补偿方案的性能。本发明专利技术通过神经网络对光纤非线性损伤进行均衡处理，可以逼近任意非线性函数，建立更好的黑箱模型，能够准确的预测光纤非线性损伤，并且只依赖于接收到的数据来模拟传输模型，可以在预先不知道链路参数的情况下工作，具有普适性。

【技术实现步骤摘要】
一种基于IPCA-DNN算法的光纤非线性均衡方法
本专利技术涉及光纤通信
，具体为一种基于IPCA-DNN算法的光纤非线性均衡方法。
技术介绍
随着信息社会的不断发展，光网络承载了大量的数据流量，其容量在过去五年里急剧增长了十倍。大数据，云服务，VR/AR和高清全景直播等应用仍在推动光网络向更高的频谱效率和更大的信道容量发展。但是光纤线性损伤和非线性损伤这两类因素限制了光通信技术的进一步发展。随着数字信号处理技术的飞速发展，光纤线性损伤得到很好的补偿，所以目前光纤非线性损伤是长距离高速光纤传输系统的主要障碍，补偿光纤非线性效应具有很大的实用意义。在传统的光纤非线性补偿算法中，共轭孪生波创造性地提出了两种共轭方案：时域共轭孪生波和频域共轭孪生波，可消除由克尔非线性效应与色散相互作用引起的非线性失真，但是共轭孪生波补偿的精度会随着WDM(WavelengthDivisionMultiplexing波分复用)系统复用信道数量的增加而下降，并且会浪费一半的传输带宽；通过Volterra级数来求解非线性薛定谔方程，计算的复杂度较高并且非线性的补偿效果受滤波器抽头系数影响而并不稳定；作为一种在数字域上补偿光纤非线性效应的方法，数字反向传播使用分步傅里叶变换来得到非线性薛定谔方程的近似时域解，数字处理的精度跟与选择的步长有关，很难平衡性能与复杂度之间的关系，并且它需要准确的链路参数，而在一些实际应用下(如海底光缆)链路参数无法准确获得。随着机器学习技术不断发展，将机器学习引入光纤非线性补偿，已成为解决光纤通信中许多新挑战的一个创新方向。其中，基于分类算法的补偿方案(如：k-NearestNeighbors，KNN)，通过生成非线性决策边界来确定测试数据的类别，由于KNN的全局遍历性导致了相对较大的计算复杂度；基于聚类算法的NLC(NonlinearImpairmentCompensation)方案(如：k-Mean)，由于初始质心的随机选择使其难以得到全局最优解，导致较高的计算复杂度。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种基于IPCA-DNN(Improvedprincipalcomponentanalysis-DeepNeuralNetworks改进主成分分析-深度神经网络)算法的光纤非线性均衡方法，通过神经网络对光纤非线性损伤进行均衡处理，可以逼近任意非线性函数，建立更好的黑箱模型，能够准确的预测光纤非线性损伤，并且只依赖于接收到的数据来模拟传输模型，可以在预先不知道链路参数的情况下工作，具有普适性。技术方案如下：一种基于IPCA-DNN算法的光纤非线性均衡方法，包括以下步骤：步骤1：用色散补偿模块来补偿传输链路的线性损伤，然后计算信道内交叉相位调制和信道内四波混频的三元组；步骤2：通过改进型PCA算法与聚类分析结合对所述三元组进行数据预处理；步骤3：通过神经网络训练预处理后的三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值；步骤4：利用神经网络迭代出的非线性损伤值，与神经网络的标签值来计算系统的误码率，从而得到系统的非线性补偿方案性能。进一步的，所述步骤1中三元组的计算和选择过程包括：用Manakov方程分析光纤通信链路中双偏光场的非线性薛定谔方程，得到光纤非线性扰动：其中，ΔAx和ΔAy分别为X偏振和Y偏振上的光纤非线性扰动；P0是发射点处的脉冲峰值功率；Xn，Yn分别表示在第n时刻接收到的符号序列X偏振和Y偏振的复振幅；m,n是与接收时刻对应的符号索引；Cm,n表示光纤的非线性系数；此时，三元组的计算公式为：其中，Tx、Ty分别表示X偏振和Y偏振的三元组，Xm、Ym分别表示在第m时刻接收到的符号序列X偏振和Y偏振的复振幅；和分别表示第m+n时刻接收到的符号序列X偏振和Y偏振的复振幅的共轭转置建立三元组选择的标准，确定三元组中贡献最大的项；标准如下：|mn|≤C(3a)m,n∈[-L,+L](3b)式中，L是一个调节参数，其数值取决于信道储存器的大小和约束条件；C是一个调节参数，用来平衡NLC的性能与计算复杂度。更进一步的，所述步骤2具体包括：步骤21：对三元组各个变量均值化，即用三元组的原始数据除以相应的实部与虚部的均值；设原始三元组数据为X＝(xij)M×P，令其中xij和x′ij分别表示原始三元组的第i行j列的元素和均值化后三元组的第i行j列的元素，M和P分别表示三元组数据的行数和列数；j＝1,2,…,P。得到均值化矩阵X′＝(x'ij)M×P；设X′的协方差矩阵为U＝(uij)P×P，并且X′中各个向量的均值为1，所以：步骤22：按照贡献率的大小选择前K个主成分，并计算此时主成分的贡献率；步骤23：对所选定的新数据进行聚类分析，并以第一主成分贡献率的均值来确定；步骤24：根据聚类中包含的主成分来确定三元组的数据集。更进一步的，所述神经网络包括输入层、隐藏层和输出层，且第2隐藏层之后还添加有概率为0.5的脱落层。更进一步的，所述神经网络的标签值为光纤的发送符号Txsymbol与对应的接收符号Rxsymbol的差值。本专利技术的有益效果是：本专利技术提供基于回归算法的光纤非线性补偿方案通过神经网络对光纤非线性损伤进行均衡处理，并且它可以逼近任意非线性函数，建立更好的黑箱模型，能够准确的预测光纤非线性损伤，并且只依赖于接收到的数据来模拟传输模型，可以在预先不知道链路参数的情况下工作，具有普适性。附图说明图1为基于IPCA-DNN算法的NLC模型。具体实施方式下面结合附图和具体实施例对本专利技术做进一步详细说明。本专利技术所采用的技术方案是：首先用色散补偿模块来补偿传输链路的线性损伤，再计算信道内交叉相位调制和信道内四波混频的三元组来提供给神经网络。通过神经网络训练三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值。图1给出了基于IPCA-DNN算法的NLC模型，其中，为了避免神络过度经网拟合，需要在第2隐藏层之后添加一个概率为0.5的脱落层。需要得到实验数据：构建PDM-16QAM的长距离光传输系统。发射端，利用偏振分束器将载波光源分解成两个光载波，然后注入I/Q调制器中。同时波形发生器产生四路电信号分别注入I/Q调制器中进行载波调制。最后使用偏振合束器对光载波进行耦合，再利用掺铒光纤放大器将信号光功率放大后进行传输；光纤链路，使用环路控制器与掺铒光纤放大器以及滤波器组成的长距传输链路进行实现。接收端，将接收到的光信号与本地激光器进行混频，并馈入两对平衡光电二极管进行相干检测，然后由低通滤波器滤波并进行模数转换，最后进行离线数字信号处理：I/Q不平衡补偿和正交归一化、色散补偿、频偏估计、偏振解复用、载波相位恢复。本专利技术基于IPCA-DNN算法的光纤非线本文档来自技高网...

【技术保护点】
1.一种基于IPCA-DNN算法的光纤非线性均衡方法，其特征在于，包括以下步骤：/n步骤1：用色散补偿模块来补偿传输链路的线性损伤，然后计算信道内交叉相位调制和信道内四波混频的三元组；/n步骤2：通过改进型PCA算法与聚类分析结合对所述三元组进行数据预处理；/n步骤3：通过神经网络训练预处理后的三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值；/n步骤4：利用神经网络迭代出的非线性损伤值，与神经网络的标签值来计算系统的误码率，从而得到系统的非线性补偿方案性能。/n

【技术特征摘要】
1.一种基于IPCA-DNN算法的光纤非线性均衡方法，其特征在于，包括以下步骤：
步骤1：用色散补偿模块来补偿传输链路的线性损伤，然后计算信道内交叉相位调制和信道内四波混频的三元组；
步骤2：通过改进型PCA算法与聚类分析结合对所述三元组进行数据预处理；
步骤3：通过神经网络训练预处理后的三元组，生成该传输链路的黑箱模型，并在执行阶段得到该模型的非线性损伤值；
步骤4：利用神经网络迭代出的非线性损伤值，与神经网络的标签值来计算系统的误码率，从而得到系统的非线性补偿方案性能。


2.根据权利要求1所述的基于IPCA-DNN算法的光纤非线性均衡方法，其特征在于，所述步骤1中三元组的计算和选择过程包括：
用Manakov方程分析光纤通信链路中双偏光场的非线性薛定谔方程，得到光纤非线性扰动：






其中，ΔAx和ΔAy分别为X偏振和Y偏振上的光纤非线性扰动；P0是发射点处的脉冲峰值功率；Xn，Yn分别表示在第n时刻接收到的符号序列X偏振和Y偏振的复振幅；m,n是与接收时刻对应的符号索引；Cm,n表示光纤的非线性系数；此时，三元组的计算公式为：






其中，Tx、Ty分别表示X偏振和Y偏振的三元组，Xm、Ym分别表示在第m时刻接收到的符号序列X偏振和Y偏振的复振幅；和分别表示第m+n时刻接收到的符号序列X偏振和Y偏振的复振幅的共轭转置；
建立三元组选择的标准，确定三元组中贡献最大的项；标准如下：
|m...

【专利技术属性】
技术研发人员：蒙建宇，张洪波，张敏，蔡炬，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川;51