本发明专利技术涉及一种相干光模块发端预加重参数调优方法及装置。方法包括：在测试系统上耦合入白噪声且要求相干光模块纠后误码为零，并将相干光模块收端的误码率BER作为对应发端预加重参数的评估指标确定训练集的数据模型；引入基于贝叶斯优化的空间分类器方法对所述训练集进行迭代优化以实现对所述发端预加重参数调优。可以实现B2B系统下的预加重参数自动寻优，参数对实际应用场景的适应性强。参数对实际应用场景的适应性强。参数对实际应用场景的适应性强。
【技术实现步骤摘要】
一种相干光模块发端预加重参数调优方法及装置
[0001]本专利技术涉及光通信应用
，特别涉及一种相干光模块发端预加重参数调优方法及装置。
技术介绍
[0002]随着光通信技术的快速发展，单波速率越来越高，相干光模块传输技术的应用需求巨大。
[0003]相干光模块作为一个复杂系统，在实验室为了评估和进一步提升其工作性能，通常需要配置很多参数，且需要根据应用场景自适应调整。研究发现，在影响相干光模块综合性能的众多参数中，发端预加重极其重要，所谓发端预加重是指在发送端增强信号的高频成分，以补偿高频分量在传输过程中的过大衰减。而DSP发端预加重参数有60个，每个参数理论可设置的值有256个，相干模块发端有4条lane需要设置预加重参数，由此导致了遍历模式设置时不考虑4条lane差异性，需要验证256
60
次；若根据参数权重简化后将60个参数重点测试权重较大的9个参数，则需要验证2569次；若参数的一般性对称简化为5个参数后，也需要验证2565次；且每组参数验证需耗时1至3s。因此由于参数组数量大、耗时久，遍历预加重参数不切实际。
[0004]为了寻找一组合适的DSP发端预加重参数，相关技术中在自环模式下(光模块的发端和收端自成闭环)，以提升自环BER(Bit Error Rate)为准则，寻找理想的DSP发端预加重参数；或通过优化发端光谱形状来寻找合适的发端预加重参数。但在应用或集采测试现场，通常用B2B系统下的OSNR(Optical Signal Noise Ratio)指标来评估相干光模块综合性能指标。
[0005]研究发现，采用上述自环模式来闭环验证DSP预加重参数，缺少信号光耦合线路噪声的应用场景约束；通过优化发端光谱形状来寻找合适的发端预加重参数则仅关注于优化光谱形状(窗函数&滚降系数)，由于不同方案所采用的算法存在差异，不同方案的线路预补偿策略和方式千差万别，使得发端光谱形状并不能完整反映出相干光模块的综合性能。
技术实现思路
[0006]本专利技术实施例提供一种相干光模块发端预加重参数调优方法及装置，可以实现B2B系统下的预加重参数自动寻优，参数对实际应用场景的适应性强。
[0007]一方面，本专利技术实施例提供了一种相干光模块发端预加重参数调优方法，其特征在于，所述方法包括步骤：
[0008]在测试系统上耦合入白噪声且要求相干光模块纠后误码为零，并将相干光模块收端的误码率BER作为对应发端预加重参数的评估指标确定训练集的数据模型；
[0009]引入基于贝叶斯优化的空间分类器方法对所述训练集进行迭代优化以实现对所述发端预加重参数调优。
[0010]一些实施例中，还包括步骤：
[0011]按照从中心对称简化的方式对发端预加重参数进行简化以获取影响因子最大的发端预加重参数；
[0012]根据简化后的发端预加重参数确定所述训练集的搜索范围。
[0013]一些实施例中，所述按照从中心对称简化的方式对发端预加重参数进行简化，包括步骤：
[0014]基于第一公式进行简化，所述第一公式包括：
[0015]BER
noise＝N
＝F
pre
(a
‑4,a
‑3,a
‑2,a
‑1,a0,a1,a2,a3,a4)＝G
pre
(a0,a1,a2,a3,a4)
[0016]其中，BER
noise
表示纠前误码率，N为白噪声，F
pre
()表示简化后的9tap函数，G
pre
()表示进一步简化后的5tap函数，a
n
表示tap参数，且(a
n
，n＝0,1,2,3,4)∈[
‑
127,127]。
[0017]一些实施例中，所述按照从中心对称简化的方式对发端预加重参数进行简化，包括步骤：
[0018]基于第二公式进行简化，所述第二公式包括：
[0019]BER
noise＝N
＝F
pre
(a
‑4,a
‑3,a
‑3,a
‑2,a
‑1,a0,a1,a2,a3,a4,lane)＝G
pre
(a0,a1,a2,a3,a4，lane)，
[0020]其中，(a
n
，n＝0,1,2,3,4)∈[
‑
127,127]；lane＝0,1,2,3。
[0021]一些实施例中，所述引入基于贝叶斯优化的空间分类器方法对训练集进行迭代优化，包括步骤：
[0022]基于初始化后的训练集构建概率分布函数并求出下一个概率最大的参数组；
[0023]将所述最大可能性参数组带入B2B系统得到对应的纠前误码率；
[0024]设定当前系统噪声预期BER
ideal
，并令函数，并令函数
[0025]令为分类面，即：
[0026][0027]其中，C2表示有效分类子集，C1为无效分类子集；
[0028]将Label＝C2的集合令为D
C2
并将D
C2
和全集和全集纳入评估并在评估为当前最优解时结束迭代。
[0029]一些实施例中，设定当前系统噪声预期BER
ideal
时，根据测试系统的测试模式以及所述白噪声的大小选择所述当前系统噪声预期BER
ideal
。
[0030]一些实施例中，还包括步骤：
[0031]得到一组有限区域A内的最优解后，分lane缩小区域优化，可以进一步对器件lane间差异性进行补偿；即分别对XI、XQ、YI、YQ设置不同的预加重参数，求解函数G
pre
。
[0032]另一方面，本专利技术实施例还提供一种相干光模块发端预加重参数调优装置，其特征在于，其包括：
[0033]训练集数据确定模块，其用于在测试系统上耦合入白噪声且要求相干光模块纠后误码为零，并将相干光模块收端的误码率BER作为对应发端预加重参数的评估指标确定训练集的数据模型；
[0034]迭代优化模块，其用于引入基于贝叶斯优化的空间分类器方法对所述训练集进行迭代优化以实现对所述发端预加重参数调优。
[0035]一些实施例中，还包括参数简化模块，所述参数简化模块用于：
[0036]按照从中心对称简化的方式对发端预加重参数进行简化以获取影响因子最大的发端预加重参数；
[0037]根据简化后的发端预加重参数确定所述训练集的搜索范围。
[0038]一些实施例中，所述迭代优化模块还用于：
[0039]基于初始化后的训练集构建概率分布函数并求出下一个概率最大的参数组；
[0040]将所述最大可能性参数组带入B2B系统得到对应的纠前误码率；
[0041]设定当前系统噪声预期BER
...
【技术保护点】
【技术特征摘要】
1.一种相干光模块发端预加重参数调优方法，其特征在于，所述方法包括步骤：在测试系统上耦合入白噪声且要求相干光模块纠后误码为零，并将相干光模块收端的误码率BER作为对应发端预加重参数的评估指标确定训练集的数据模型；引入基于贝叶斯优化的空间分类器方法对所述训练集进行迭代优化以实现对所述发端预加重参数调优。2.如权利要求1所述的相干光模块发端预加重参数调优方法,其特征在于，还包括步骤：按照从中心对称简化的方式对发端预加重参数进行简化以获取影响因子最大的发端预加重参数；根据简化后的发端预加重参数确定所述训练集的搜索范围。3.如权利要求2所述的相干光模块发端预加重参数调优方法,其特征在于，所述按照从中心对称简化的方式对发端预加重参数进行简化，包括步骤：基于第一公式进行简化，所述第一公式包括：BER
noise＝N
＝F
pre
(a
‑4,a
‑3,a
‑2,a
‑1,a0,a1,a2,a3,a4)＝G
pre
(a0,a1,a2,a3,a4)其中，BER
noise
表示纠前误码率，N为白噪声，F
pre
()表示简化后的9tap函数，G
pre
()表示进一步简化后的5tap函数，a
n
表示tap参数，且(a
n
，n＝0,1,2,3,4)∈[
‑
127,127]。4.如权利要求2所述的相干光模块发端预加重参数调优方法,其特征在于，所述按照从中心对称简化的方式对发端预加重参数进行简化，包括步骤：基于第二公式进行简化，所述第二公式包括：BER
noise＝N
＝F
pre
(a
‑4,a
‑3,a
‑3,a
‑2,a
‑1,a0,a1,a2,a3,a4,lane)＝G
pre
(a0,a1,a2,a3,a4，lane)，其中，(a
n
，n＝0,1,2,3,4)∈[
‑
127,127]；lane＝0,1,2,3。5.如权利要求1所述的相干光模块发端预加重参数调优方法,其特征在于，所述引入基于贝叶斯优化的空间分类器方法对训练集进行...
【专利技术属性】
技术研发人员：沈大德，包玉超，戴军，
申请(专利权)人：武汉飞思灵微电子技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。