光通信系统光模块控制参数优化方法及系统技术方案

本发明专利技术提供一种光通信系统光模块控制参数优化方法及系统，包括：测量当前光通信系统各光器件模块控制参数与系统平均性能，利用高斯过程回归模型建立系统性能估计的数字模型，利用贝叶斯优化算法预测最佳系统控制参数并进行测量，重复以上步骤逐步采集不同系统控制参数设置下的系统平均性能添加至训练集并重新训练高斯过程回归模型至模型稳定。本发明专利技术能够在线快速优化系统设置。够在线快速优化系统设置。够在线快速优化系统设置。

【技术实现步骤摘要】
光通信系统光模块控制参数优化方法及系统


[0001]本专利技术涉及光通信器件制造及光通信应用
，具体地，涉及一种光通信系统光模块控制参数优化方法及系统。

技术介绍

[0002]随着网络应用不断发展，全球数据流量不断增长。为了支持该流量增长，全球光网络系统也需要不断扩容。对于现有的光网络系统，最高效且低成本的扩容方法是将C波段传输扩展为S+C+L波段传输，则传输容量可以从100Tbit/s升级为300Tbit/s。为了实现多波段传输，传统的C波段放大系统需要进一步升级。因此，高效的光通信系统控制和优化非常重要。
[0003]对于多波段传输系统，学界已经存在一定的研究。其中，利用拉曼放大和掺铒光纤放大实现的混合放大传输系统是被广泛应用的多波段传输系统。该系统相比于传统C波段掺铒光纤放大系统，增加了拉曼泵浦用于放大。拉曼泵浦放大基于各个泵浦功率的配合，相比于传统掺铒光纤放大器的传输系统，光通信系统的控制与优化变得更为复杂。信号传输的过程中，需要实现多种放大过程、参数设计的相互配合，从而获取最优配置。考虑到长距离光纤通信系统的复杂性，通过测量或仿真模拟获取多波段光通信系统的放大性能在计算复杂度、测量成本上都较高。传统的优化算法一般通过经验进行设计，或通过大量数据建立神经网络进行反向设计。然而，这两类方法存在设计无法达到最优或需要大量测量和计算，导致性能不佳、成本过高。
[0004]综上所述，传统的光通信系统光模块控制参数优化方案考虑因素不全面，虽然能够对系统进行初步的优化，但在优化效果、优化成本上均存在提升空间。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术提供一种光通信系统光模块控制参数优化方法及系统。
[0006]根据本专利技术提供的一种光通信系统光模块控制参数优化方法及系统，所述方案如下：
[0007]第一方面，提供了一种光通信系统光模块控制参数优化方法，所述方法包括：
[0008]步骤S1：测量或计算随机一到两组初始各光通信系统光器件模块控制参数及其对应多波段系统此时的所有信号的综合性能；
[0009]步骤S2：利用测量的光通信系统光器件模块控制参数为输入，所有信号的综合性能指标作为输出，建立高斯过程回归模型；
[0010]步骤S3：利用贝叶斯优化算法，根据构建的高斯过程回归模型，预测当前测量结果下最优光通信系统光器件模块控制参数，并进行测量或仿真模拟，获得该光通信系统光器件模块控制参数配置下实际系统综合性能；
[0011]步骤S4：将测量或计算仿真获得的泵浦配置及此时对应的系统综合性能加入数据
集，重新训练S2中的高斯过程回归模型；
[0012]重复步骤S3和步骤S4至优化结果稳定。
[0013]优选地，所述步骤S1包括：
[0014]步骤S1.1：随机生成一到两组初始各光通信系统光器件模块控制参数配置，对于含有x个控制参数的光通信系统，x个控制参数的特征矩阵表示为：
[0015]P＝[p1,p2,p3,
…
p
x
][0016]其中，p
i
(i＝1,2,
…
x)代表第i个光器件的控制参数；
[0017]步骤S1.2：利用信号接收装置或系统仿真模型计算或测量当前光通信系统光器件模块控制参数设置下，所有上波光信号的系统综合性能，对于各个光信号，一般用广义信噪比(GSNR)表示为：
[0018][0019]其中，p
sig
表示信号功率，p
ase
表示光放大器随机噪声功率，p
nli
表示系统非线性噪声功率；n个上波信号的平均信噪比表示为：
[0020][0021]其中，GSNR
i
表示第i个信道的广义信噪比。
[0022]优选地，所述步骤S1.2中通过信号接收装置进行测量或系统仿真模型进行计算，所述信号测量装置包括光收发机、光纤以及光放大器。
[0023]优选地，所述步骤S2包括：利用已测量或计算的数据建立高斯过程回归模型，模型输入为x个光通信系统光器件模块控制参数特征矩阵P，模型输出为n个上波信号的平均信噪比
[0024]优选地，所述步骤S3包括：利用贝叶斯优化算法，根据已建立的高斯回归模型，选取最优光通信系统光器件模块控制参数配置，并对该配置进行仿真计算或实验测量。
[0025]优选地，所述步骤S4包括：将步骤S3中新测量的拉曼泵浦功率特征矩阵及其对应的平均增益添加入数据集，重新训练高斯回归模型，循环步骤S3与步骤S4，直至系统稳定。
[0026]第二方面，提供了一种光通信系统光模块控制参数优化系统，所述系统包括：
[0027]模块M1：测量或计算随机一到两组初始各光通信系统光器件模块控制参数及其对应多波段系统此时的所有信号的综合性能；
[0028]模块M2：利用测量的光通信系统光器件模块控制参数为输入，所有信号的综合性能指标作为输出，建立高斯过程回归模型；
[0029]模块M3：利用贝叶斯优化算法，根据构建的高斯过程回归模型，预测当前测量结果下最优光通信系统光器件模块控制参数，并进行测量或仿真模拟，获得该光通信系统光器件模块控制参数配置下实际系统综合性能；
[0030]模块M4：将测量或计算仿真获得的泵浦配置及此时对应的系统综合性能加入数据集，重新训练M2中的高斯过程回归模型；
[0031]重复模块M3和模块M4至优化结果稳定。
[0032]优选地，所述模块M1包括：
[0033]模块M1.1：随机生成一到两组初始各光通信系统光器件模块控制参数配置，对于
含有x个控制参数的光通信系统，x个控制参数的特征矩阵表示为：
[0034]P＝[p1,p2,p3,
…
p
x
][0035]其中，p
i
(i＝1,2,
…
x)代表第i个光器件的控制参数；
[0036]模块M1.2：利用信号接收装置或系统仿真模型计算或测量当前光通信系统光器件模块控制参数设置下，所有上波光信号的系统综合性能，对于各个光信号，一般用广义信噪比(GSNR)表示为：
[0037][0038]其中，p
sig
表示信号功率，p
ase
表示光放大器随机噪声功率，p
nli
表示系统非线性噪声功率；n个上波信号的平均信噪比表示为：
[0039][0040]GSNR
i
表示第i个信道的广义信噪比；
[0041]其中，通过信号接收装置进行测量或系统仿真模型进行计算，所述信号测量装置包括光收发机、光纤以及光放大器。
[0042]优选地，所述模块M2包括：利用已测量或计算的数据建立高斯过程回归模型，模型输入为x个光通信系统光器件模块控制参数特征矩阵P，模型输出为n个上波信号的平均信噪比
[0043]优选地，所述模块M3包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光通信系统光模块控制参数优化方法，其特征在于，包括：步骤S1：测量或计算随机初始各光通信系统光器件模块控制参数及其对应多波段系统此时的所有信号的综合性能；步骤S2：利用测量的光通信系统光器件模块控制参数为输入，所有信号的综合性能指标作为输出，建立高斯过程回归模型；步骤S3：利用贝叶斯优化算法，根据构建的高斯过程回归模型，预测当前测量结果下最优光通信系统光器件模块控制参数，并进行测量或仿真模拟，获得该光通信系统光器件模块控制参数配置下实际系统综合性能；步骤S4：将测量或计算仿真获得的泵浦配置及此时对应的系统综合性能加入数据集，重新训练S2中的高斯过程回归模型；重复步骤S3和步骤S4至优化结果稳定。2.根据权利要求1所述的光通信系统光模块控制参数优化方法，其特征在于，所述步骤S1包括：步骤S1.1：随机生成一到两组初始各光通信系统光器件模块控制参数配置，对于含有x个控制参数的光通信系统，x个控制参数的特征矩阵表示为：P＝[p1,p2,p3,
…
p
x
]其中，p
i
(i＝1,2,
…
x)代表第i个光器件的控制参数；步骤S1.2：利用信号接收装置或系统仿真模型计算或测量当前光通信系统光器件模块控制参数设置下，所有上波光信号的系统综合性能，对于各个光信号，一般用广义信噪比(GSNR)表示为：其中，p
sig
表示信号功率，p
ase
表示光放大器随机噪声功率，p
nli
表示系统非线性噪声功率；n个上波信号的平均信噪比表示为：其中，GSNR
i
表示第i个信道的广义信噪比。3.根据权利要求2所述的光通信系统光模块控制参数优化方法，其特征在于，所述步骤S1.2中通过信号接收装置进行测量或系统仿真模型进行计算，所述信号测量装置包括光收发机、光纤以及光放大器。4.根据权利要求1所述的光通信系统光模块控制参数优化方法，其特征在于，所述步骤S2包括：利用已测量或计算的数据建立高斯过程回归模型，模型输入为x个光通信系统光器件模块控制参数特征矩阵P，模型输出为n个上波信号的平均信噪比5.根据权利要求1所述的光通信系统光模块控制参数优化方法，其特征在于，所述步骤S3包括：利用贝叶斯优化算法，根据已建立的高斯回归模型，选取最优光通信系统光器件模块控制参数配置，并对该配置进行仿真计算或实验测量。6.根据权利要求1所述的光通信系统光模块控制参数优化方法，其特征在于，所述步骤S4包括：将步骤S3中新测量的拉曼泵浦功率特征矩阵及其对应的平均增益添加入数据...

【专利技术属性】
技术研发人员：刘晓敏，诸葛群碧，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：