本发明专利技术提出一种神经网络联合遗传算法的光通信系统全局优化方法，以加速系统参数的最优化配置。一方面，本发明专利技术通过前置有限冲击响应FIR滤波器与Clipping的神经网络对系统建模，得到FIR抽头系数、Clipping系数、DAC峰峰值可配置的离线模型，使得在不影响实际系统运行的情况下完成参数优化过程。另一方面，通过结合遗传算法GA和反向传播BP的特性，在不同优化时期交替使用两者进行多维参数优化，以加速对参数的全局最优搜索。从而在收发机带限严重的光通信系统中，完成系统参数最优配置，提升系统抵抗高频衰落的能力。
【技术实现步骤摘要】
本专利技术涉及光纤通信技术，特别是高波特率光通信系统的全局优化技术。
技术介绍
1、近年来，随着云计算、数据中心、超高清视频等技术的迅猛发展，全球的网络数据流量呈现出爆炸性增长。这一趋势促使光纤通信系统不断向着更大容量和更高传输速率的方向发展，特别是当系统的波特率超过100gbaud，收发机中电子器件带宽受限越来越严重。
2、为了抵抗收发机的带限以提高系统性能，一方面在发射机处，可以采用数字预加重dpe技术以增强信号高频成分。但dpe会导致信号的峰均功率比papr提高，在峰值受限系统下，反而降低了其平均功率，这最终降低了系统的信噪比snr。另一方面在接收机处，可以采用前馈均衡器ffe以补偿信号高频成分，但同时会导致高频噪声增强，影响系统性能。因此需要合理分配收发机各自补偿的程度，即优化发射机dpe的抽头系数。考虑到单独采用dpe或者ffe都有其局限性，部分dpe已被提出。在部分dpe方案中，一种是采用两抽头滤波器1+αz-1，通过扫描抽头系数α来确定系统性能最优时的取值。另一种方案是部分信道补偿，即设置预加重频响为|h-β，对其傅里叶变换后即可得到时域抽头系数，其中h为信道频响，β为补偿程度，其最优值需要经过扫描得出。以上都是单变量优化方案，优化能力有限。此外，由于dpe后信号的papr较大，需要对信号进行削波clipping操作。经过clipping的数字信号经过数模转换器dac，进一步需要控制dac输出信号的峰峰值vpp。如果vpp过大将引起后续器件的非线性，过小则信号功率较低，影响信噪比。
>技术实现思路1、本专利技术所要解决的技术问题是，针对在高波特率光通信系统中，因收发机带宽受限和高频的严重衰落导致难以对系统多维参数进行最优化配置从而影响系统信噪比的问题，提供一种通过对离线系统进行高精度快速建模，从而完成fir抽头系数、clipping系数、dac峰峰值等系统多维参数最优化配置的方法。
2、本专利技术为解决上述技术问题所采用的技术方案是，神经网络联合遗传算法的光通信系统全局优化方法，包括步骤：
3、离线光通信系统模型建立步骤：
4、确定在光通信系统中的待配置参数模块；采用多维参数表示待配置参数，n个待配置参数具有n个维度；训练一个神经网络用于模拟光通信系统中非待配置参数模块；
5、将待配置参数模块前置于完成训练的神经网络之前，组成离线光通信系统模型；
6、多维参数交替更新步骤：
7、使用遗传算法ga进行一轮多维参数的更新，其中，接收到的bp优化的多维参数作为初始种群中第一个个体；遗传算法ga输出最后一次种群中最优个体对应的多维参数作为ga优化的多维参数至反向传播算法bp；使用ga优化的多维参数作为bp初始参数值，使用bp进行一轮多维参数的更新，输出bp优化的多维参数，完成一次多维参数交替更新；
8、判断当前更新的多维参数的满足交替更新结束条件，如是，将最新的多维参数作为全局优化的多维参数输出，否则，重复进行多维参数交替更新；
9、实际配置步骤：将全局优化的多维参数用于配置真实的光通信系统，完成光通信系统全局优化。
10、具体的，所述光通信系统为强度调制直接检测imdd系统；需要配置的参数包括fir抽头系数、clipping系数以及dac峰峰值vpp；待配置参数模块包括fir滤波器、clipping模型以及数模转换器dac；dac峰峰值vpp作为可配置的参数输入到神经网络中。
11、为了灵活配置及优化参数，本专利技术一方面通过前置fir滤波器(dpe模块)与clipping的神经网络对系统建模，得到fir抽头系数、clipping系数、dac峰峰值可配置的离线模型，使得在不影响实际系统运行的情况下完成参数优化过程。另一方面，由于通信需求的及时性，系统对算法的收敛速度要求较高。遗传算法ga是一种通过模拟自然进化过程搜索全局最优解的方法，但算法收敛较慢。基于神经网络的反向传播算法bp通过计算梯度来引导参数优化方向，算法收敛快，但容易陷入局部最优。本专利技术结合以上两种算法的优点以达到快速全局最优搜索能力，从而在带限严重光通信系统中，完成各项参数快速全局最优化，提升系统性能。
12、本专利技术有益效果为：先建立可配置系统参数离线模型，再结合ga和bp的算法的特性，交替使用两者以加速对参数的全局最优搜索，充分利用两种算法各自的优点，规避缺点，从而实现对整个系统的高复杂度、多维参数优化配置，提升收发机带限严重的光通信系统性能，满足高速光通信系统中参数的及时全局优化要求。
本文档来自技高网...
【技术保护点】
1.神经网络联合遗传算法的光通信系统全局优化方法，其特征在于，包括步骤：
2.如权利要求1所述方法，其特征在于，使用遗传算法GA进行多维参数更新的具体方法是：生成初始种群，种群中每个个体都是一个多维参数，其值在允许范围内随机生成，种群中第一个个体由BP优化的多维参数代替；
3.如权利要求1或2所述方法，其特征在于，使用遗传算法GA进行第一轮多维参数的更新时，还未接收到BP优化的多维参数时，初始种群中第一个个体对应的多维参数是通过在允许范围内随机生成的。
4.如权利要求1所述方法，其特征在于，使用反向传播算法BP进行多维参数更新的具体方法是：将GA优化的多维参数配置到离线光通信系统模型中；计算当前多维参数配置下模型输入输出信号的均方差MSE，再根据MSE通过神经网络的反向传播方法求出当前多维参数的梯度，然后用梯度下降法更新多维参数，并将更新的多维参数配置到离线光通信系统模型中，再计算当前多维参数配置下模型输入输出信号的均方差MSE，重复更新多维参数操作，直至达到BP迭代终止条件，输出当前多维参数作为BP优化的多维参数。
5.如权利要求1所述方法，其特征在于，所述光通信系统为强度调制直接检测IMDD系统；需要配置的参数包括FIR抽头系数、Clipping系数以及DAC峰峰值Vpp；待配置参数模块包括FIR滤波器、Clipping模型以及数模转换器DAC；DAC峰峰值Vpp作为可配置的参数输入到神经网络中。
6.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。
...
【技术特征摘要】
1.神经网络联合遗传算法的光通信系统全局优化方法，其特征在于，包括步骤：
2.如权利要求1所述方法，其特征在于，使用遗传算法ga进行多维参数更新的具体方法是：生成初始种群，种群中每个个体都是一个多维参数，其值在允许范围内随机生成，种群中第一个个体由bp优化的多维参数代替；
3.如权利要求1或2所述方法，其特征在于，使用遗传算法ga进行第一轮多维参数的更新时，还未接收到bp优化的多维参数时，初始种群中第一个个体对应的多维参数是通过在允许范围内随机生成的。
4.如权利要求1所述方法，其特征在于，使用反向传播算法bp进行多维参数更新的具体方法是：将ga优化的多维参数配置到离线光通信系统模型中；计算当前多维参数配置下模型输入输出信号的均方差mse，再根据mse通过神...
【专利技术属性】
技术研发人员：聂俊缘，张静，许渤，
申请(专利权)人：电子科技大学，
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。