基于機器學習的高速光信號光性能監(jiān)測.pdf

1、隨著光纖通信網(wǎng)絡技術快速發(fā)展，傳輸速率不斷增加，通信網(wǎng)絡結構更加復雜，同時各種光信號損傷問題也接踵而至，使得光網(wǎng)絡的可靠性和穩(wěn)定性受到影響。光性能監(jiān)測(OPM)技術作為保障光網(wǎng)絡可靠和穩(wěn)定運行的關鍵技術手段之一，發(fā)揮出越來越重要的作用。OPM技術是通過對光網(wǎng)絡中傳輸鏈路或者光網(wǎng)絡節(jié)點的性能參數(shù)進行檢測，實時了解網(wǎng)絡狀態(tài)和信號傳輸狀態(tài)以便及時處理并保證正常的網(wǎng)絡運行和信號傳輸。因此如何實現(xiàn)對色散(CD)、偏振模色散(PMD)、光信噪比(O

2、SNR)等參數(shù)的準確監(jiān)測，對于保障信號傳輸性能、優(yōu)化網(wǎng)絡資源的分配和管理具有重要意義。本文圍繞在非線性信道環(huán)境下的參數(shù)監(jiān)測，研究了基于機器學習的OSNR、CD監(jiān)測方法，并利用廣義回歸神經(jīng)網(wǎng)絡(GRNN)、反向傳播(BP)神經(jīng)網(wǎng)絡實現(xiàn)對16QAM通信系統(tǒng)的CD、OSNR監(jiān)測。主要的研究工作如下:
　　1、闡述了OPM技術的主要研究內容以及在新的網(wǎng)絡發(fā)展趨勢下OPM技術研究的現(xiàn)狀、不足和方向，然后介紹機器學習、神經(jīng)網(wǎng)絡的原理及在OPM

3、中的應用。
　　2、結合機器學習的一般方法提出了基于機器學習的OPM模型。該模型具有可拓展性，具體包括通信系統(tǒng)數(shù)據(jù)的仿真分析、特征提取以及機器學習處理。在數(shù)據(jù)特征提取過程結合高階統(tǒng)計矩的方法提取OSNR的特征值，并通過密度比的方法提取色散的特征值。
　　3、在提取數(shù)據(jù)的基礎上，分別利用BP神經(jīng)網(wǎng)絡和GRNN實現(xiàn)了對OSNR、CD的監(jiān)測。通過對兩種方法的比較，發(fā)現(xiàn)BP網(wǎng)絡的訓練過程時間長、參數(shù)多、不容易優(yōu)化，無法高效地處理大量