基于多项式映射的特征构建的非线性均衡方法及系统技术方案

本发明专利技术公开了基于多项式映射的特征构建的非线性均衡方法及系统，本发明专利技术方法具体步骤如下：S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；S2、根据多项式方法引入信号的非线性特征，重新构建特征序列Xf；S3、利用自适应算法，在训练集上调整线性均衡器的抽头系数，得到训练好的线性均衡器，将需要进行均衡的信号输入到均衡器中，并对均衡器输出进行判决，实现信道均衡。本发明专利技术通过特征构建利用线性均衡器处理信号的非线性损伤，与传统非线性均衡器相比，大幅度缓解自适应调整均衡器各个抽头权重过程中庞大的计算量，并且能够获得与非线性均衡器相同数量级的性能。级的性能。级的性能。

【技术实现步骤摘要】
基于多项式映射的特征构建的非线性均衡方法及系统


[0001]本专利技术属于光通信
，具体涉及一种基于多项式映射的特征构建的非线性均衡方法及系统，本专利技术可应用于均衡光纤通信系统中的非线性损伤。

技术介绍

[0002]由于近年来各种新型应用蓬勃发展，第五代移动通信系统(5G)、物联网、云计算、高清视频服务以及虚拟现实应用等技术推动了数据流量的爆发式增长，作为流量承载主体的光纤通信系统容量的升级方案受到广泛关注，大容量低成本的光网络是未来的发展方向。通信光网络中数据中心互联(Data Center Interconnect，DCI)网络属于短距离光通信场景，传输距离较短、业务类型单一，强度调制直接检测(Intensity Modulation and Direct Detection，IMDD)方案具有低成本、低功耗、结构简单等特点，是应用于数据中心互联网络等短距离光通信场景中的主流技术。
[0003]虽然IMDD系统具有低成本低功耗、结构简单、易于铺设等方面的优势，但是其简单的结构和低廉的成本也会造成严重的信息传输损伤，随着传输速率的增加和传输距离的增长，信息在信道传输过程中受到的损伤也会更加严重。根据损伤类型的不同可以分为线性损伤和非线性损伤，线性损伤包括衰减和色散等；非线性损伤是指在光功率超过阈值时引发的非线性效应造成的损伤。在IMDD系统中，非线性损伤主要包括平方律检测带来的信号
‑
信号拍频干扰(Signal to Signal Beating Interference，SSBI)二阶非线性损伤，以及低成本的光电器件引发的带限效应。
[0004]一方面，由于IMDD系统中光接收机的平方律检测只能保留信号的幅度信息，接收端获得的信号除了有用信号以外，还会存在SSBI。光纤色散造成的接收信号频率选择性衰落与SSBI相互作用，会进一步影响系统性能。随着信号传输速率的提升、信道容量的增大，信号失真会越来越严重，从而迅速降低传输性能，难以实现高传输速率和长传输距离。另一方面，由于短距离光通信中成本的限制，在实际应用中会使用低成本的器件。低成本的光电器件传输更高速率的信号时会遇到带宽受限的问题，带宽受限效应则会引发符号间干扰。从而导致信号在传输过程中受到严重损伤，影响了信号传输的质量。
[0005]为了补偿IMDD系统中信号受到的损伤，研究学者们已经提出了多种方案对线性损伤和非线性损伤进行处理。比如采用基于色散补偿光纤和色散补偿模块的方法可以补偿信号传输过程中受到的色散，但需要使用额外的硬件，这就增加了系统的成本。考虑到短距离光通信场景具有大量接口和设备，对成本和功耗极其敏感，引入其它硬件结构的方案不适用于实际应用的情况。随着数字信号处理(Digital Signal Processing，DSP)技术的成熟，在保持低成本、低功耗的前提下提升短距离光通信传输系统的传输速率成为可能。因此使用成熟的低成本光电器件，结合DSP技术降低IMDD系统中的干扰以缓解信号传输过程中受到的损伤这一方案具有重要的研究价值。
[0006]为补偿IMDD系统中信号受到的复杂的损伤，需要使用更加有效的DSP技术。常用的均衡方案有前馈均衡滤波器(Feed
‑
Forward Equalization，FFE)、决策反馈均衡器
(Decision Feedback Equalization，DFE)、Volterra均衡器等。据现有技术的调研可知，FFE均衡器、DFE均衡器在针对信号的非线性损伤时不能获得很好的性能(DSP enabled next generation 50GTDM
‑
PON，2020年发表于Journal of Optical Communications and Networking)。Volterra均衡器是一种常用的非线性均衡器，可以有效缓解IMDD系统中信号传输过程中产生的线性和非线性损伤。然而，Volterra均衡器的计算复杂性很高，需要几百个特征才能达到满意的性能。即使是采取一系列的降低复杂度的方案之后，也难以获得在具有优良性能的同时计算方法简便的均衡器。目前已经提出的基于Volterra均衡器的简化方案大致包括以下几种：Wei Jinlong，Lam Cedric等人提出的设定阈值并去掉具有阈值以下抽头系数的抽头方案(Low Complexity DSP for High Speed Optical Access Networking，发表于Applied Sciences)，但阈值的选取需要谨慎，阈值过大会导致大量抽头被削减，无法保留足够的特征进行信号分类，阈值过小无法降低计算复杂度。2020年，Yukui Yu，Hoon Kim等人(Low
‑
complexity nonlinear equalizer based on absolute operation for C
‑
band IM/DD systems，发表于Opt Express以及Nonlinear Equalizer Based on Absolute Operation for IM/DD System Using DML，发表于IEEE Photonics Technology Letters)及Qianwu Zhang团队(An Improved Volterra Nonlinear Equalizer for 50Gb/s PAM4IM/DD Transmission with 10G
‑
Class Optics，发表于ACP)都提出将Volterra均衡器中的乘积运算换成绝对值运算，但将乘积运算换成绝对值运算的方法，会造成Volterra均衡器性能降低。Yukui Yu，Hoon Kim等人还提出只保留对角线上的抽头去掉其他所有抽头，但同样会去掉很多原始特征，造成均衡结果不准确。
[0007]随着机器学习的发展，研究学者们提出将机器学习领域算法引入光纤通信领域进行信号均衡方案。但是目前已有的基于机器学习算法用于均衡非线性干扰的方案复杂度较高，不能满足IMDD系统低成本、低功耗的要求(An Overview on Application of Machine Learning Techniques in Optical Networks，2019年发表于IEEE Communications Surveys&Tutorials)。因此需要探索新的技术方案，在保证技术方案低复杂度的同时消除器件带宽受限、CD、光纤衰减等因素导致的线性损伤或非线性损伤，进一步提高短距离光通信情景下的信号传输质量。

技术实现思路

[0008]本专利技术的目的是针对现有技术的缺陷，提供一种用于解决光纤传输系统非线性损伤的基于多项式映射的特征构建的非线性均衡方法及系统。
[0009]本专利技术提出利用多项式方法重新构建接收端采样信号序列，引入信号的非线性特征，作为线性均衡器的输入特征进行信号均衡，使线性均衡器有能力修复光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多项式映射的特征构建的非线性均衡方法，其特征在于，具体步骤如下：S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；S2、根据多项式方法引入信号的非线性特征，重新构建特征序列Xf；S3、利用自适应算法，在训练集上调整线性均衡器的抽头系数，得到训练好的线性均衡器，将需要进行均衡的信号输入到均衡器中，并对均衡器输出进行判决，实现信道均衡。2.根据权利要求1所述基于多项式映射的特征构建的非线性均衡方法，其特征在于，步骤S1中，对信号进行归一化处理的过程通过计算信号序列均值，并用信号序列中每个信号减去计算得出的均值获得的，X(i)＝X
t
(i)
‑
X
t,mean
ꢀꢀꢀꢀꢀ
(2)式中，X
t
(i)为接收端采样信号的第i个信号值，X
t,mean
为接收端信号均值，cnt为接收端信号长度，将接收端每个采样信号减去公式(1)求得的信号均值，得到经过归一化处理的接收端特征序列X，X(i)为归一化的接收端特征序列对应第i个信号的特征值。3.根据权利要求1或2所述基于多项式映射的特征构建的非线性均衡方法，其特征在于，步骤S2中，重新构建的特征序列中的每个信号对应的特征值是接收端采样信号经过归一化后的数值与引入信号的非线性特征值之和。4.根据权利要求3所述基于多项式映射的特征构建的非线性均衡方法，其特征在于，步骤S3中，通过自适应算法更新特征权重。5.根据权利要求4所述基于多项式映射的特征构建的非线性均衡方法，其特征在于，步骤S3中，所述的自适应算法选用RLS自适应算法，更新特征权重的具体过程如下：S31、初始化权重向量w(n)；S32、根据当前的权重向量与训练标签，计算误差向量e(n)：e(i)＝d(i)
‑
w
T
(i
‑
1)x(n)
ꢀꢀꢀꢀ
(4)其中e(i)是i时刻的误差向量，d(i)是i时刻的标签；S33、根据步骤S32中获得的误差向量e(n)，更新增益向量k(n)、权重向量w(n)以及相关矩阵的逆矩阵P(n)；w(i)＝w(i
‑
1)+k(i)e(i)
ꢀꢀꢀꢀ
(6)其中forget为遗忘因子，P(n)为输入信号相关矩阵的逆矩阵。k(i)为i时刻的增益向量，w(i)为i时刻的权重向量；S34、在训练集上重复步骤S32、S33，得到最终的权重向量w(n)。6.基于多项式映射的特征构建的非线性均...

【专利技术属性】
技术研发人员：孙雨潼，毕美华，胡志蕊，胡淼，周雪芳，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：