多信道光传输系统链路联合损伤监测方法及系统 |
|||||||
| 申请号 | CN202210741672.2 | 申请日 | 2022-06-27 | 公开(公告)号 | CN115173940B | 公开(公告)日 | 2024-04-23 |
| 申请人 | 华中科技大学; | 发明人 | 罗风光; 吉妍; 杨柳; 杨静宇; 谭勇; 王旭; 陈聪; 丁畅; 邱天; | ||||
| 摘要 | 本 发明 提供一种多信道光传输系统链路联合损伤监测方法及系统，其中，方法包括：基于异步 采样 ，获取目标多信道相干光传输系统接收端I路 信号 时域数据和Q路信号时域数据；基于I路信号时域数据和Q路信号时域数据，确定幅度 相位 直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化；将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光 信噪比 和非线性噪声功率。能够同时反映信号的幅度损伤与相位损伤，实现 光信号 链路损伤的全面监测。 | ||||||
| 权利要求 | 1.一种多信道光传输系统链路联合损伤监测方法，其特征在于，包括： |
||||||
| 说明书全文 | 多信道光传输系统链路联合损伤监测方法及系统技术领域[0001] 本发明涉及光通信技术领域，尤其涉及一种多信道光传输系统链路联合损伤监测方法及系统。 背景技术[0002] 光纤链路中光信号的传输损伤来源于光纤色散、非线性等多种因素。在多信道光纤传输链路中，克尔效应导致的非线性损伤包括自相位调制、交叉相位调制与四波混频。其中，自相位调制、交叉相位调制给光信号带来了相位损伤，四波混频给光信号带来了幅度损伤，表现为复信号实部和虚部的共同劣化。 [0003] 由于深度学习可以从抽象的数据中自动提取特征信息，具有强大的自学习能力，有效减少人工干预，能轻松解决使用传统方法难以解决的某些关键问题，目前被广泛应用于光性能监测(Optical performance monitoring，OPM)领域。为了实现检测光传输链路联合损伤，深度学习模型的输入常选取幅度直方图，但该输入只能够反映信号实部的变化，根据信号幅度信息的劣化监测非线性损伤，忽略了表现在虚部变化上的相位损伤，无法全面反映光信号的链路损伤。 [0004] 因此，如何提供一种多信道光传输系统链路联合损伤监测方法及系统，同时反映信号的幅度损伤与相位损伤，实现光信号链路损伤的全面监测。 发明内容[0006] 本发明提供一种多信道光传输系统链路联合损伤监测方法，包括：基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据； [0007] 基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化； [0008] 将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。 [0009] 根据本发明提供的多信道光传输系统链路联合损伤监测方法，基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量，具体包括： [0010] 将I路信号时域数据和Q路信号时域数据转换为复信号； [0011] 根据复信号的幅度和相位的分布情况，确定幅度相位直方图向量。根据本发明提供的多信道光传输系统链路联合损伤监测方法，根据复信号的幅度和相位的分布情况，确定幅度相位直方图向量，具体包括： [0012] 根据复信号的幅度大小，确定若干幅度区间； [0013] 根据复信号的相位变化，确定若干相位区间； [0014] 基于幅度区间和相位区间，根据复信号的幅度和相位的分布情况，确定幅度区间和相位区间内复信号出现的次数； [0015] 基于幅度区间和相位区间内复信号出现的次数，根据预设直方图生成规则，确定幅度相位直方图； [0016] 将幅度相位直方图用向量表示，确定幅度相位直方图向量。 [0017] 根据本发明提供的多信道光传输系统链路联合损伤监测方法，光传输链路联合损伤监测模型为多任务学习模型；光传输链路联合损伤监测模型包括：输入层、隐藏层和输出层；隐藏层包括若干神经元节点；输入层和神经元节点连接； [0018] 将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤，具体包括： [0019] 基于输入层，将幅度相位直方图向量传输至隐藏层中； [0020] 基于隐藏层对幅度相位直方图向量中不同的信号类型进行分类，确定调制格式特征信息； [0021] 基于隐藏层，根据幅度相位直方图向量，确定链路联合损伤特征信息； [0022] 将调制格式特征信息和链路联合损伤特征信息输入输出层中，根据输出层，确定并输出调制格式和链路联合损伤。 [0023] 根据本发明提供的多信道光传输系统链路联合损伤监测方法，在将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤的步骤之前，还包括：训练光传输链路联合损伤监测模型； [0024] 训练光传输链路联合损伤监测模型，具体包括： [0025] 基于若干不同信号调制格式、光信噪比、发射功率和光纤链路长度条件下获取的样本I路信号时域数据和样本Q路信号时域数据，确定幅度相位直方图向量样本数据集；其中，幅度相位直方图向量样本数据集中每组数据包括：幅度相位直方图向量及对应的光信噪比、调制格式和非线性噪声功率； [0026] 利用幅度相位直方图向量样本数据集训练光传输链路联合损伤监测模型； [0027] 基于目标损失函数，采用梯度下降的优化算法调整学习率，并进行梯度估计修正，对光传输链路联合损伤监测模型的网络参数进行更新，并基于更新后的网络参数对光传输链路联合损伤监测模型进行迭代训练直至光传输链路联合损伤监测模型收敛。 [0028] 根据本发明提供的多信道光传输系统链路联合损伤监测方法，基于若干不同信号调制格式、光信噪比、发射功率和光纤链路长度条件下获取的样本I路信号时域数据和样本Q路信号时域数据，确定幅度相位直方图向量样本数据集，具体包括： [0029] 基于目标多信道相干光传输系统，搭建对应的目标多信道相干光传输仿真系统； [0030] 基于目标多信道相干光传输仿真系统，根据目标调制格式变化类型、光信噪比变化范围、发射功率变化范围和光纤链路长度变化范围，获取若干样本I路信号时域数据和样本Q路信号时域数据； [0031] 基于若干样本I路信号时域数据和样本Q路信号时域数据，确定幅度相位直方图向量样本数据集。 [0032] 根据本发明提供的多信道光传输系统链路联合损伤监测方法，基于目标多信道相干光传输系统，搭建对应的目标多信道相干光传输仿真系统，具体包括： [0033] 获取目标多信道相干光传输系统的链路参数和系统参数；其中，链路参数包括：光纤的衰减系数、非线性折射系数和色散系数；系统参数包括：链路参数、信道数目和信道间距； [0034] 基于链路参数和系统参数，搭建对应的目标多信道相干光传输仿真系统。 [0035] 本发明还提供一种多信道光传输系统链路联合损伤监测系统，包括：信号获取单元、向量确定单元和损伤监测单元； [0036] 信号获取单元，用于基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据； [0037] 向量确定单元，用于基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化； [0038] 损伤监测单元，用于将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。 [0040] 本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种多信道光传输系统链路联合损伤监测方法的步骤。 [0041] 本发明提供的多信道光传输系统链路联合损伤监测方法及系统，通过异步采样获得I路信号时域数据和Q路信号时域数据，基于时域数据确定能够表示I路信号和Q路信号在相应幅度和相位状态下的变化的幅度相位直方图向量。以幅度相位直方图向量作为特征信息的载体，幅度相位直方图向量包含的特征信息丰富，能同时反映信号的幅度信息劣化和相位旋转问题。将幅度相位直方图向量作为光传输链路联合损伤监测模型的输入，能够确定目标多信道相干光传输系统的光信噪比、调制格式和非线性噪声功率，从而全面地反映信号在链路中的受损情况。附图说明 [0042] 为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 [0043] 图1为本发明提供的多信道光传输系统链路联合损伤监测方法流程图； [0044] 图2为本发明提供的幅度相位直方图采样原理示意图； [0045] 图3为本发明提供的幅度相位直方图之一； [0046] 图4为本发明提供的幅度相位直方图之二； [0047] 图5为本发明提供的幅度相位直方图之三； [0048] 图6为本发明提供的幅度相位直方图之四； [0049] 图7为本发明提供的幅度相位直方图之五； [0050] 图8为本发明提供的幅度相位直方图之六； [0051] 图9为本发明提供的幅度相位直方图之七； [0052] 图10为本发明提供的光传输链路联合损伤监测模型结构示意图； [0053] 图11为本发明提供的幅度相位直方图之八； [0054] 图12为本发明提供的幅度相位直方图之九； [0055] 图13为本发明提供的幅度相位直方图之十； [0056] 图14为本发明提供的幅度相位直方图之十一； [0057] 图15为本发明提供的幅度相位直方图之十二； [0058] 图16为本发明提供的幅度相位直方图之十三； [0059] 图17为本发明提供的幅度相位直方图之十四； [0060] 图18为本发明提供的幅度相位直方图之十五； [0061] 图19为本发明提供的幅度相位直方图之十六； [0062] 图20为本发明提供的幅度相位直方图之十七； [0063] 图21为本发明提供的幅度相位直方图之十八； [0064] 图22为本发明提供的幅度相位直方图之十九； [0065] 图23为本发明提供的多信道相干光传输仿真系统结构示意图； [0066] 图24为本发明提供的多信道光传输系统链路联合损伤监测系统结构示意图； [0067] 图25为本发明提供的电子设备的实体结构示意图。 具体实施方式[0068] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 [0069] 图1为本发明提供的多信道光传输系统链路联合损伤监测方法流程图，如图1所示，本发明实施例提供一种多信道光传输系统链路联合损伤监测方法，包括： [0070] 步骤S1，基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据； [0071] 步骤S2，基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化； [0072] 步骤S3，将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。具体的，在步骤S1中，基于异步采样，根据光电传感器，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据。异步采样时采样周期与信号的符号周期无关，省去了繁琐的时钟同步过程。 [0073] 在步骤S2中，基于I路信号时域数据和Q路信号时域数据，确定用于表示I路信号和Q路信号在相应幅度和相位状态下的变化的幅度相位直方图向量。 [0074] 需要说明得是，幅度相位直方图能够反应I路信号和Q路信号在相应幅度和相位状态下的变化(非线性效应导致的相位旋转的程度体现在幅度相位直方图形状的变化上)，将幅度相位直方图中包含的信息用向量的形式表示，获得幅度相位直方图向量。 [0075] 可以理解的是，幅度相位直方图的具体表现形式，横纵坐标所表示的含义可根据实际情况进行设置，本发明对此不作限定。例如：横坐标为幅度，纵坐标为相位，横纵坐标的交点为在相应幅度和相位状态下出现的次数。或，横坐标综合表示幅度和相位，纵坐标为在相应幅度和相位状态下出现的次数等表现形式。 [0076] 在步骤S3中，将幅度相位直方图向量输入训练好的光传输链路联合损伤监测模型中，基于光传输链路联合损伤监测模型根据幅度相位直方图向量所反映的特征，实现信号调制格式识别(Modulation format identification，MFI)，并确定目标多信道相干光传输系统的链路联合损伤。 [0077] 链路联合损伤包括：光信噪比(Optical signal‑to‑noise ratio，OSNR)和非线性噪声功率。 [0078] 可以理解的是，在基于训练好的光传输链路联合损伤监测模型进行链路联合损伤监测前，还需要基于样本幅度相位直方图向量数据集对光传输链路联合损伤监测模型进行训练，另外，幅度相位直方图的表现形式的不同，将对应的影响模型训练时所使用的样本集。具体的模型结构和模型的训练方法可根据实际需求进行选择，本发明对此不作限定。 [0079] 本发明提供的多信道光传输系统链路联合损伤监测方法，通过异步采样获得I路信号时域数据和Q路信号时域数据，基于时域数据确定能够表示I路信号和Q路信号在相应幅度和相位状态下的变化的幅度相位直方图向量。以幅度相位直方图向量作为特征信息的载体，幅度相位直方图向量包含的特征信息丰富，能同时反映信号的幅度信息劣化和相位旋转问题。将幅度相位直方图向量作为光传输链路联合损伤监测模型的输入，能够确定目标多信道相干光传输系统的光信噪比、调制格式和非线性噪声功率，从而全面地反映信号在链路中的受损情况。 [0080] 可选的，根据本发明提供的多信道光传输系统链路联合损伤监测方法，基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量，具体包括： [0081] 将I路信号时域数据和Q路信号时域数据转换为复信号； [0082] 根据复信号的幅度和相位的分布情况，确定幅度相位直方图向量。 [0083] 具体的，处理信号的时域数据从而确定幅度相位直方图向量，将I路信号时域数据和Q路信号时域数据转换为复信号，I路为复信号的实部，Q路为复信号的虚部，复信号的表达式如下所示： [0084] DataACH＝Ii+jQi(i＝1,2,...,N) [0085] 其中，i表示各个采样点的序号。 [0086] 将信号的I路及Q路时域数据转变成不同幅度和相位的复信号后，根据复信号的幅度和相位的分布情况，确定幅度相位直方图向量。 [0087] 可以理解的是，幅度相位直方图作为信号的幅度损伤与相位损伤的良好载体，包含了经过传输链路后复信号实部和虚部共同劣化的特征信息，不仅反映了信号的幅度变化，还反映了其相位旋转的问题，能区分非线性效应对信号的相位损伤程度，蕴含的特征信息丰富，从而能全面衡量多信道光传输链路中的非线性效应。 [0088] 本发明提供的多信道光传输系统链路联合损伤监测方法，以幅度相位直方图向量作为特征信息的载体，幅度相位直方图向量包含的特征信息丰富，能同时反映信号的幅度信息劣化和相位旋转问题。将幅度相位直方图向量作为光传输链路联合损伤监测模型的输入，能够确定目标多信道相干光传输系统的光信噪比、调制格式和非线性噪声功率，从而全面地反映信号在链路中的受损情况。 [0089] 可选的，根据本发明提供的多信道光传输系统链路联合损伤监测方法，根据复信号的幅度和相位的分布情况，确定幅度相位直方图向量，具体包括： [0090] 根据复信号的幅度大小，确定若干幅度区间； [0091] 根据复信号的相位变化，确定若干相位区间； [0092] 基于幅度区间和相位区间，根据复信号的幅度和相位的分布情况，确定幅度区间和相位区间内复信号出现的次数； [0093] 基于幅度区间和相位区间内复信号出现的次数，根据预设直方图生成规则，确定幅度相位直方图； [0094] 将幅度相位直方图用向量表示，确定幅度相位直方图向量。 [0095] 具体的，图2为本发明提供的幅度相位直方图采样原理示意图，如图2所示，根据复信号的幅度大小，确定若干幅度区间。例如：确定幅度为0‑10，将其划分为五个区间，分别是0‑2、2‑4、4‑6、6‑8和8‑10。 [0096] 根据复信号的相位变化，确定若干相位区间。例如：确定相位为0‑2π，将其划分为4个区间，分别是 和 [0097] 基于幅度区间和相位区间，根据复信号的幅度和相位的分布情况，确定幅度区间和相位区间内复信号出现的次数。例如，将所有区间组合记做bin，按照幅度值从小到大划分后，再在每一个区间里按相位从大到小分区间进行计数。 [0098] 基于幅度区间和相位区间内复信号出现的次数，根据预设直方图生成规则，确定幅度相位直方图。例如，图2中幅度相位直方图中，横轴上不同的bin区间对应于不同的复数信息Ii+jQi，即对应于复信号不同的幅度与相位状态，而纵轴表示的是在相应幅度和相位状态下出现的次数。 [0099] 图3为本发明提供的幅度相位直方图之一，图4为本发明提供的幅度相位直方图之二，图5为本发明提供的幅度相位直方图之三，图6为本发明提供的幅度相位直方图之四，图7为本发明提供的幅度相位直方图之五，图8为本发明提供的幅度相位直方图之六，图9为本发明提供的幅度相位直方图之七，图3‑9为光纤长度为1200km，光信噪比为25dB，发射功率分别为‑3、‑2、‑1、0、1、2、3dBm条件下收集的QPSK(Quadrature Phase Shift Keying，正交相移键控)信号的幅度相位直方图。 [0100] 由图3‑9可知，幅度相位直方图能很好地反映信号的相位旋转，发射功率增大时，非线性功率也随之增大，而非线性效应导致的相位旋转程度体现在幅度相位直方图形状的变化上。QPSK信号峰值位置的变化即反映了信号的相位旋转程度，从而体现出了非线性效应对信号的相位损伤。 [0101] 将幅度相位直方图用向量表示，确定幅度相位直方图向量。可以理解的是，幅度相位直方图可以用列向量或行向量表示，向量中每个值表示的是复信号在相应的幅度和相位状态下出现的次数。 [0102] 需要说明的是，上述区间划分的具体规则以及幅度相位直方图的具体表现形式可根据实际情况进行设置，本发明对此不作限定。 [0103] 本发明提供的多信道光传输系统链路联合损伤监测方法，链路损伤会使复信号的幅度信息遭到劣化，同时，也引入了相位旋转的问题。对于不同的链路条件，幅度改变的大小与相位旋转的程度有所差异。本发明将幅度相位直方图向量作为光传输链路联合损伤监测模型的输入，非线性效应导致的相位旋转程度体现在幅度相位直方图形状的变化上，结合神经网络即可实现非线性损伤程度的量化。在不同的调制格式与链路条件下，幅度相位直方图的形状、峰值个数、峰值位置、峰的陡峭程度也不相同，是信号幅度损伤与相位损伤的良好载体，蕴含的特征信息丰富，全面衡量了多信道光传输链路中的非线性效应。 [0104] 可选的，根据本发明提供的多信道光传输系统链路联合损伤监测方法，光传输链路联合损伤监测模型为多任务学习模型；光传输链路联合损伤监测模型包括：输入层、隐藏层和输出层；隐藏层包括若干神经元节点；输入层和神经元节点连接； [0105] 将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤，具体包括： [0106] 基于输入层，将幅度相位直方图向量传输至隐藏层中； [0107] 基于隐藏层对幅度相位直方图向量中不同的信号类型进行分类，确定调制格式特征信息； [0108] 基于隐藏层，根据幅度相位直方图向量，确定链路联合损伤特征信息； [0109] 将调制格式特征信息和链路联合损伤特征信息输入输出层中，根据输出层，确定并输出调制格式和链路联合损伤。 [0110] 具体的，为了减少算法复杂度，节约计算资源，本发明中光传输链路联合损伤监测模型为多任务学习模型，可简称为MT‑DNN(Multi‑task deep neural network，多任务深度神经网络)。光传输链路联合损伤监测模型包括：输入层、隐藏层和输出层；隐藏层包括若干神经元节点；输入层和神经元节点连接，用于处理任务一、任务二和任务三。 [0111] 在每个神经元节点，通过加权求和并经过非线性激活函数，得到神经元的活性值，传送给下一层的神经元作为输入。幅度相位直方图向量通过输入层传送到隐藏层，在多层隐藏层里经过多个非线性单元自动运算，并将结果传送给输出层，经过激活函数后输出结果。通过这一运算过程可以提取输入幅度相位直方图向量的特征信息，并计算出对应输出，基于输出层输出调制格式类别和链路联合损伤的预测结果。 [0112] 需要说明的是，上述传输链路联合损伤监测模型除了主要上述功能模块外，还可根据模型实际应用需求，设置设置隐藏层数量和各层神经元个数。各层神经元采用全连接的方式，输入层的输入为幅度相位直方图，隐藏层为多任务共享隐藏层，采用ReLU激活函数，输出层输出模型结果。 [0113] 可以理解的是，由于隐藏层由若干神经元节点构成，层与层之间的神经元均采用全连接的方式，上一层神经元的输出是下一层神经元的输入。每一隐藏层的神经元节点个数和隐藏层数越多，模型的复杂度越高，能够处理更为复杂的问题，一定程度上性能提高，但隐藏层过大或层数过多将会导致过拟合，降低性能。因此，隐藏层的大小和数量可根据实际需求进行设置，本发明对此不做限定。 [0114] 图10为本发明提供的光传输链路联合损伤监测模型结构示意图，如图10所示，结合实际应用过程为例，对本发明将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤，的具体步骤进行说明： [0115] 将幅度相位直方图向量输入光传输链路联合损伤监测模型中，由三层隐藏层构成的共享隐藏层共同完成任务一、任务二和任务三。 [0116] 任务一，对幅度相位直方图向量中不同的信号类型进行分类，确定调制格式。例如：采用Softmax激活函数。输出值离散，在0和1之间切换输出。不同输出的组合代表了不同的信号类型，在本实施例中，“001”代表QPSK信号，“010”代表16QAM(Quadrature Amplitude Modulation，正交幅度调制)信号，“100”代表32QAM信号。 [0117] 任务二，根据幅度相位直方图向量，确定光信噪比。任务三，根据幅度相位直方图向量，确定非线性噪声功率。由于任务二和任务三属于回归任务，可采用线性激活函数直接输出，输出值连续。 [0118] 本发明提供的多信道光传输系统链路联合损伤监测方法，模型的共享隐藏层使用相同的映射模型，避免了使用多个神经网络，提高了计算效率能同时监测多个通信系统参数，一个模型代替了多个通信参数监测算法，输入的信息载体为异步幅度相位直方图，实质为列向量，算法复杂度较低，节约计算资源。 [0119] 可选的，根据本发明提供的多信道光传输系统链路联合损伤监测方法，在将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤的步骤之前，还包括：训练光传输链路联合损伤监测模型； [0120] 训练光传输链路联合损伤监测模型，具体包括： [0121] 基于若干不同信号调制格式、光信噪比、发射功率和光纤链路长度条件下获取的样本I路信号时域数据和样本Q路信号时域数据，确定幅度相位直方图向量样本数据集；其中，幅度相位直方图向量样本数据集中每组数据包括：幅度相位直方图向量及对应的光信噪比、调制格式和非线性噪声功率； [0122] 利用幅度相位直方图向量样本数据集训练光传输链路联合损伤监测模型； [0123] 基于目标损失函数，采用梯度下降的优化算法调整学习率，并进行梯度估计修正，对光传输链路联合损伤监测模型的网络参数进行更新，并基于更新后的网络参数对光传输链路联合损伤监测模型进行迭代训练直至光传输链路联合损伤监测模型收敛。 [0124] 具体的，在使用光传输链路联合损伤监测模型之前，还需要：训练光传输链路联合损伤监测模型。 [0125] 首先确定训练模型时使用的样本，基于若干不同信号调制格式、光信噪比、发射功率和光纤链路长度条件下获取的样本I路信号时域数据和样本Q路信号时域数据，确定对应的幅度相位直方图向量。 [0126] 图11为本发明提供的幅度相位直方图之八，图12为本发明提供的幅度相位直方图之九，图13为本发明提供的幅度相位直方图之十，图11‑13为光纤长度为1200km，光信噪比为25dB，发射功率为0dBm条件下，调制格式分别为QPSK、16QAM和32QAM条件下的幅度相位直方图。 [0127] 图14为本发明提供的幅度相位直方图之十一，图15为本发明提供的幅度相位直方图之十二，图16为本发明提供的幅度相位直方图之十三，图14‑16为光纤长度为500km，发射功率为0dBm，信号的的调制格式为QPSK，光信噪比分别为15、20、25dB条件下的幅度相位直方图。 [0128] 图17为本发明提供的幅度相位直方图之十四，图18为本发明提供的幅度相位直方图之十五，图19为本发明提供的幅度相位直方图之十六，图17‑19为发射功率为0dBm，光信噪比为20dB，信号的的调制格式为16QAM，光纤长度分别为800、1200、1500km条件下的幅度相位直方图。 [0129] 图20为本发明提供的幅度相位直方图之十七，图21为本发明提供的幅度相位直方图之十八，图22为本发明提供的幅度相位直方图之十九，图20‑22为光信噪比为25dB，光纤长度为1200km，信号的的调制格式为32QAM，发射功率分别为‑3、0、3dBmdBm条件下的幅度相位直方图。 [0130] 由图11‑22可知，调制格式、光信噪比和非线性噪声改变时，信号的异步幅度相位直方图表现出明显差异性，其形状、峰值个数、峰值位置、峰的陡峭程度各不相同，蕴含的特征信息丰富，是信号幅度损伤与相位损伤的良好载体，而这些差异性是神经网络联合监测损伤和识别调制格式的依据。非线性效应导致的相位旋转程度即体现在幅度相位直方图的变化上，将其作为特征信息的载体输入MT‑DNN可全面衡量多信道光传输链路中的非线性效应并实现非线性损伤程度的量化，很适合完成高精度监测非线性噪声功率和光信噪比，调制格式识别的任务。 [0131] 将每一组幅度相位直方图向量及对应的光信噪比、调制格式和非线性噪声功率作为一组样本数据，若干样本数据构成幅度相位直方图向量样本数据集。 [0132] 利用幅度相位直方图向量样本数据集训练光传输链路联合损伤监测模型。 [0133] 基于目标损失函数，采用梯度下降的优化算法调整学习率，并进行梯度估计修正，优化训练速度，对光传输链路联合损伤监测模型的网络参数进行更新，并基于更新后的网络参数对光传输链路联合损伤监测模型进行迭代训练直至光传输链路联合损伤监测模型收敛。 [0134] 例如：将样本集随机分为训练集(70％)和测试集(30％)，利用训练集进行模型的训练，模型自动从所提出的幅度相位直方图中学习有关调制格式和链路损伤的信息，经过多次迭代，当损失函数低于一个设定的极小值，即认为训练完成。将测试数据集输入完成训练的模型进行性能测试模型通过以往的学习经验对当前输入的幅度相位直方图测试数据完成调制格式识别，光信噪比和非线性噪声功率的监测，用于测试方法性能。 [0135] 需要说明的是，上述训练测试方法仅作为一个模型训练的具体例子对本发明模型的训练过程进行说明，在本发明的实际应用过程中，训练时应用的目标函数、模型停止训练的条件和模型验证方法均可根据实际情况进行调整，本发明对此不作限定。 [0136] 本发明提供的多信道光传输系统链路联合损伤监测方法，考虑到调制格式、光信噪比、非线性噪声改变时，信号的异步幅度相位直方图表现出明显差异性，其形状、峰值个数、峰值位置、峰的陡峭程度各不相同，蕴含的特征信息丰富，是信号幅度损伤与相位损伤的良好载体，而这些差异性是神经网络联合监测损伤和识别调制格式的依据。非线性效应导致的相位旋转程度即体现在幅度相位直方图的变化上，将其作为特征信息的载体输模型可全面衡量多信道光传输链路中的非线性效应并实现非线性损伤程度的量化，很适合完成高精度监测目标多信道相干光传输系统的光信噪比、调制格式和非线性噪声功率的任务，从而全面地反映信号在链路中的受损情况。 [0137] 可选的，根据本发明提供的多信道光传输系统链路联合损伤监测方法，基于若干不同信号调制格式、光信噪比、发射功率和光纤链路长度条件下获取的样本I路信号时域数据和样本Q路信号时域数据，确定幅度相位直方图向量样本数据集，具体包括： [0138] 基于目标多信道相干光传输系统，搭建对应的目标多信道相干光传输仿真系统； [0139] 基于目标多信道相干光传输仿真系统，根据目标调制格式变化类型、光信噪比变化范围、发射功率变化范围和光纤链路长度变化范围，获取若干样本I路信号时域数据和样本Q路信号时域数据； [0140] 基于若干样本I路信号时域数据和样本Q路信号时域数据，确定幅度相位直方图向量样本数据集。 [0141] 具体的，由于多信道相干光传输系统的联合损伤受系统本身所影响，为了进一步提高多信道光传输系统链路联合损伤监测方法的准确性。基于需要监测的目标多信道相干光传输系统，搭建对应的目标多信道相干光传输仿真系统。以该仿真系统获取训练光传输链路联合损伤监测模型所用的样本。 [0142] 基于目标多信道相干光传输仿真系统，根据目标调制格式变化类型、光信噪比变化范围、发射功率变化范围和光纤链路长度变化范围，获取若干样本I路信号时域数据和样本Q路信号时域数据。 [0143] 例如：基于商业软件VPI Transmission Maker进行多信道相干光传输仿真系统的搭建，图23为本发明提供的多信道相干光传输仿真系统结构示意图，如图23所示，光传输系统采用波分复用技术，包含5路信道(4路干扰信道和1路测试信道)，激光器中心频率设置为193.1THz，信道间隔设置为50GHz。 [0144] 伪随机二进制序列经过星座映射后，分别被调制，产生三种广泛应用的调制格式的信号：QPSK、16QAM和32QAM，单信道符号速率设置为28GBaud。在光传输系统中，通过调节光纤链路的长度和光信号的入纤光功率，获得不同的非线性噪声功率，每个信道的发射功率范围设置为‑3.0～3.0dBm，间隔1dBm。光纤链路含有多个跨段，每一跨段均包括100km的标准单模光纤和掺铒光纤放大器。光纤链路的跨段数设置在1～15之间，传输光纤的总长度变化范围为100～1500km，间隔为100km。 [0145] 光信噪比参考值为OSNR设置模块的设定值，通过此模块给多信道光传输系统添加相应的ASE噪声(amplifier spontaneousemission noise，放大器自发辐射噪声)。 [0146] 非线性噪声功率参考值通过维纳滤波去相关算法计算得到，具体方法为：经过波分复用后的光信号分为两路，第一路信号经过的光纤链路设置非线性折射系数为2.6×10‑2 20m /W，即加入非线性噪声，而另一路信号不加入非线性噪声；两路信号经过色散均衡后，通过维纳滤波去相关算法计算得到非线性噪声功率的参考值，如下式所示： [0147] [0148] 其中，t为时间参数，f为频率参数，γ为噪声影响因子，β为谱层参数，|X(t,f)|2是包含非线性噪声的信号功率谱， 是非线性噪声功率谱。 [0149] 基于若干样本I路信号时域数据和样本Q路信号时域数据，确定对应的幅度相位直方图向量，具体的方法如上文，在此不做赘述。 [0150] 根据获得的幅度相位直方图向量，以及对应的光信噪比参考值、非线性噪声功率参考值和实际调制格式，确定幅度相位直方图向量样本数据集。 [0151] 本发明提供的多信道光传输系统链路联合损伤监测方法，通过针对需要监测的目标多信道相干光传输系统，搭建对应的目标多信道相干光传输仿真系统，以该仿真系统获取训练光传输链路联合损伤监测模型所用的样本，能够有效的减少模型训练所需的数据量，减少模型训练需要的时间，提高模型进行链路损伤性能监测的准确性。 [0152] 可选的，根据本发明提供的多信道光传输系统链路联合损伤监测方法，基于目标多信道相干光传输系统，搭建对应的目标多信道相干光传输仿真系统，具体包括： [0153] 获取目标多信道相干光传输系统的链路参数和系统参数；其中，链路参数包括：光纤的衰减系数、非线性折射系数和色散系数；系统参数包括：链路参数、信道数目和信道间距； [0154] 基于链路参数和系统参数，搭建对应的目标多信道相干光传输仿真系统。 [0155] 具体的，搭建多信道相干光传输仿真系统时，需要使用目标多信道相干光传输系统的链路参数和系统参数。其中，链路参数包括：光纤的衰减系数、非线性折射系数和色散系数；系统参数包括：链路参数、信道数目和信道间距。 [0156] 基于链路参数和系统参数，搭建对应的目标多信道相干光传输仿真系统，通过目标多信道相干光传输仿真系统来模拟实际系统的运行和变化的工作状态。 [0157] 本发明提供的多信道光传输系统链路联合损伤监测方法，对于需要进行链路损伤监测的实际多信道相干光传输系统，通过获取光纤的衰减系数、非线性折射系数、色散系数等固定的链路参数和信道数目、信道间距等其他固定的系统参数设置，并获取其信号调制格式的变化类型、光信噪比变化范围、发射功率和光纤链路长度的变化范围四个变化的参数，通过搭建相应的相干光传输仿真系统来模拟实际系统的运行和变化的工作状态。以该仿真系统获取训练光传输链路联合损伤监测模型所用的样本，能够有效的减少模型训练所需的数据量，减少模型训练需要的时间，提高模型进行链路损伤性能监测的准确性。 [0158] 图24为本发明提供的多信道光传输系统链路联合损伤监测系统结构示意图，如图24所示，本发明还提供一种多信道光传输系统链路联合损伤监测系统，包括：信号获取单元 241、向量确定单元242和损伤监测单元243； [0159] 信号获取单元241，用于基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据； [0160] 向量确定单元242，用于基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化； [0161] 损伤监测单元243，用于将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。 [0162] 具体的，信号获取单元241，用于基于异步采样，根据光电传感器，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据。异步采样时采样周期与信号的符号周期无关，省去了繁琐的时钟同步过程。 [0163] 向量确定单元242，用于基于I路信号时域数据和Q路信号时域数据，确定用于表示I路信号和Q路信号在相应幅度和相位状态下的变化的幅度相位直方图向量。 [0164] 需要说明得是，幅度相位直方图能够反应I路信号和Q路信号在相应幅度和相位状态下的变化(非线性效应导致的相位旋转的程度体现在幅度相位直方图形状的变化上)，将幅度相位直方图中包含的信息用向量的形式表示，获得幅度相位直方图向量。 [0165] 可以理解的是，幅度相位直方图的具体表现形式，横纵坐标所表示的含义可根据实际情况进行设置，本发明对此不作限定。例如：横坐标为幅度，纵坐标为相位，横纵坐标的交点为在相应幅度和相位状态下出现的次数。或，横坐标综合表示幅度和相位，纵坐标为在相应幅度和相位状态下出现的次数等表现形式。 [0166] 损伤监测单元243，用于将幅度相位直方图向量输入训练好的光传输链路联合损伤监测模型中，基于光传输链路联合损伤监测模型根据幅度相位直方图向量所反映的特征，实现信号调制格式识别，并确定目标多信道相干光传输系统的链路联合损伤。 [0167] 链路联合损伤包括：光信噪比和非线性噪声功率。 [0168] 可以理解的是，在基于训练好的光传输链路联合损伤监测模型进行链路联合损伤监测前，还需要基于样本幅度相位直方图向量数据集对光传输链路联合损伤监测模型进行训练，另外，幅度相位直方图的表现形式的不同，将对应的影响模型训练时所使用的样本集。具体的模型结构和模型的训练方法可根据实际需求进行选择，本发明对此不作限定。 [0169] 本发明提供的多信道光传输系统链路联合损伤监测系统，通过异步采样获得I路信号时域数据和Q路信号时域数据，基于时域数据确定能够表示I路信号和Q路信号在相应幅度和相位状态下的变化的幅度相位直方图向量。以幅度相位直方图向量作为特征信息的载体，幅度相位直方图向量包含的特征信息丰富，能同时反映信号的幅度信息劣化和相位旋转问题。将幅度相位直方图向量作为光传输链路联合损伤监测模型的输入，能够确定目标多信道相干光传输系统的光信噪比、调制格式和非线性噪声功率，从而全面地反映信号在链路中的受损情况。 [0170] 需要说明的是，本发明提供的多信道光传输系统链路联合损伤监测系统用于执行上述多信道光传输系统链路联合损伤监测方法，其具体的实施方式与方法实施方式一致，在此不再赘述。 [0171] 图25为本发明提供的电子设备的实体结构示意图，如图25所示，该电子设备可以包括：处理器(processor)251、通信接口(CommunicationsInterface)252、存储器(memory)253和通信总线254，其中，处理器251，通信接口252，存储器253通过通信总线254完成相互间的通信。处理器251可以调用存储器253中的逻辑指令，以执行多信道光传输系统链路联合损伤监测方法，该方法包括：基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据；基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化；将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。 [0172] 此外，上述的存储器253中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。 [0173] 另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法所提供的多信道光传输系统链路联合损伤监测方法，该方法包括：基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据；基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化；将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。 [0174] 又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的多信道光传输系统链路联合损伤监测方法，该方法包括：基于异步采样，获取目标多信道相干光传输系统接收端I路信号时域数据和Q路信号时域数据；基于I路信号时域数据和Q路信号时域数据，确定幅度相位直方图向量；其中，幅度相位直方图向量用于表示I路信号和Q路信号在相应幅度和相位状态下的变化；将幅度相位直方图向量输入光传输链路联合损伤监测模型中，识别信号的调制格式并确定目标多信道相干光传输系统的链路联合损伤；其中，链路联合损伤包括：光信噪比和非线性噪声功率。 [0175] 以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。 [0176] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。 [0177] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。 |
||||||
QQ群二维码
意见反馈
意见反馈