阅读说明：本技术 Qam相干光通信系统中基于矩的精度增强的osnr监测方法 (Moment-based precision-enhanced OSNR (optical signal to noise ratio) monitoring method in QAM (quadrature amplitude modulation) coherent optical communication system ) 是由 高明义 马媛媛 于 2019-11-22 设计创作，主要内容包括：本发明公开了一种QAM相干光通信系统中基于矩的精度增强的OSNR监测方法。本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法,其特征在于,包括：使用时钟恢复的信号作为输入；将发送信号写为x<Sub>n</Sub>＝R<Sub>n</Sub>е<Sup>jθn</Sup>,其中R<Sub>n</Sub>和θ<Sub>n</Sub>分别是QAM信号的幅度和相位,恢复信号表示为：<Image he="80" wi="387" file="DDA0002284782830000011.GIF" imgContent="drawing" imgFormat="GIF" orientation="portrait" inline="no"></Image>其中,s是信号功率因数,n是噪声功率因数,z<Sub>k</Sub>是均值为零的高斯白噪声；对时钟恢复后的信号进行平均能量归一化。与传统的基于矩的方法相比,所提出的精度增强的基于矩的方法可以将估计误差降低到0.4dB以下。(The invention discloses an OSNR monitoring method based on moment precision enhancement in a QAM coherent optical communication system. The invention discloses an OSNR monitoring method based on moment precision enhancement in a QAM coherent optical communication system, which is characterized by comprising the following steps: using the clock recovered signal as an input; writing a Transmission Signal as x n ＝R n е jθn Wherein R is n And theta n Respectively, the amplitude and phase of the QAM signal, the recovered signal is represented as: where s is the signal power factor, n is the noise power factor, z k Is white gaussian noise with a mean value of zero; and carrying out average energy normalization on the signals after clock recovery. The proposed enhanced-precision moment-based method can reduce the estimation error to below 0.4dB compared to the conventional moment-based method.)

QAM相干光通信系统中基于矩的精度增强的OSNR监测方法

技术领域

本发明涉及通信领域，具体涉及一种QAM相干光通信系统中基于矩的精度增强的OSNR监测方法。

背景技术

光信号的质量通常用光信噪比(OSNR)衡量，OSNR定义为信号功率与噪声功率之比。在光通信系统中，累积的噪声主要来自级联掺饵光纤放大器(EDFA)的放大的自发发射(ASE)噪声。由于EDFA在光通信系统中通过放大光信号来补偿光纤损耗是必不可少的，诱发的ASE噪声的积累肯定会降低OSNR，从而降低光信号的质量。通过监测OSNR值，网络控制平面可以灵活分配光信号的带宽和路由。

同时，随着基于数字信号处理(DSP)的相干接收机的应用，高阶正交幅度调制(QAM)信号有望用于高速，大容量和长距离的通信系统。在相干光通信系统中，基于DSP的OSNR监测技术很有吸引力，因为它们可以容忍来自光波长开关的滤波性能下降的同时集成在基于DSP的相干接收机中。正交幅度调制(QAM)相干光通信系统中已经出现了各种基于DSP的OSNR监测技术，比如基于深度神经网络，卷积神经网络和长短期记忆神经网络。通过提取幅度直方图，异步延迟抽头图，斯托克斯参数，误差矢量幅度，光谱等特征来监测OSNR。通常，提取特征的OSNR监测技术需要大量的训练数据才能获得更高的OSNR识别精度。相比之下，通过计算信号的高阶矩可以轻松估计OSNR。

发明内容

本发明要解决的技术问题是提供一种QAM相干光通信系统中基于矩的精度增强的OSNR监测方法，误差较小。

为了解决上述技术问题，本发明提供了一种QAM相干光通信系统中基于矩的精度增强的OSNR监测方法，包括：

使用时钟恢复的信号作为输入，将发送信号写为X_n＝R_nе^jθn，其中R_n和θ_n分别是QAM信号的幅度和相位，恢复信号表示为：

其中，s是信号功率因数，n是噪声功率因数，z_k是均值为零的高斯白噪声；

对时钟恢复后的信号进行平均能量归一化；

提取归一化后恢复信号的内部幅度圆表示为：

基于内部幅度圆的数据，计算二阶矩M₂，可表示为

其中，E{}和()^*表示向量的均值和共轭，E{|R_n|²}＝E{|Z_n|²}＝V；

基于内部幅度圆的数据，计算四阶矩M₄，可表示为

M₄＝E{(YY^*)²}＝S²E{|R_n|⁴}+4V²SN+N²E{|Z_n|⁴} (4)

＝(K_xS²+4SN+K_zN²)V²

OSNR通过信号功率因数S和噪声功率因数N来计算，

其中，B_f是参考带宽，Rs是信号的符号率；Kx为1。

在其中一个实施例中，使用通过恒定模块算法进行时钟恢复的信号作为输入。

在其中一个实施例中，归一化的具体公式为：

在其中一个实施例中，B_f是12.5GHz的参考带宽。

在其中一个实施例中，对计算得出的OSNR进行校准。

在其中一个实施例中，对计算得出的OSNR进行校准，具体包括：利用校准点来计算偏置值；根据所述偏置值计算OSNR。

在其中一个实施例中，相同调制格式的信号的偏置值相同。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。

一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。

本发明的有益效果：

第一步就是归一化，得到Xn。所以就可以提取16QAM和64QAM的内部幅度圆，(接下来有关16QAM和64QAM计算所有的步骤都是基于内部幅度圆的数据的。)接下来假设信号表示为Yn。以及计算M2.M4。最后就是计算信号的OSNR(QPSK只有一个幅度，根据Kx的计算公式得到Kx值为1，16QAM和64QAM由于提取内部幅度圆来计算OSNR，因此根据公式得到Kx的值也均为1。)但是通过提取内部幅度圆来计算信号的OSNR与实际的信号的OSNR值之间有一个恒定的误差，本发明通过校准点来计算该误差。与传统的基于矩的方法相比，所提出的精度增强的基于矩的方法可以将估计误差降低到0.4dB以下。

附图说明

图1是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的QPSK、16QAM和64QAM信号下估计的OSNR vs.仿真的OSNR示意图。

图2(a)是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的16QAM信号下估计的OSNR vs.仿真的OSNR示意图。

图2(b)是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的64QAM信号下估计的OSNR vs.仿真的OSNR示意图。

图3是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的相干光通信系统实验流程图。

图4是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的QPSK信号下估计OSNR vs.OSA测量得到的OSNR。

图5(a)是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的16QAM信号下估计OSNR vs.OSA测量得到的OSNR。

图5(b)是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中的64QAM信号下估计OSNR vs.OSA测量得到的OSNR。

图6是本发明QAM相干光通信系统中基于矩的精度增强的OSNR监测方法中16QAM信号下不同符号长度的OSNR vs.OSA测量得到的OSNR。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

对于QPSK信号，已经通过实验证明了基于矩的OSNR监测技术，并且所测OSNR与估计值之间的误差小于0.5dB。当在16-QAM实验中评估基于矩的OSNR监测方法时，OSNR的监测范围限制为10到22dB。由于高阶信号的星座点的密集分布容易受到系统噪声的影响，因此需要较高的OSNR。实际上，在16-QAM仿真中已经观察到SNR估计值在较高SNR范围内会出现偏差。在信噪比较高的情况下，需要六阶或更高阶矩来校正较大的信噪比偏差。

在这项工作中，本发明仿真了16-QAM和64-QAM系统中基于矩的OSNR监测技术。发现如果OSNR高于20dB，则OSNR的估计误差会更大。为了提高OSNR监测精度，本发明提出了一种提高精度的方法，该方法首先通过恒定模块算法对高阶QAM信号进行时钟恢复，然后对经过平均能量归一化后的信号提取内部圆，用传统的二阶和四阶矩计算信号的OSNR，而不是计算复杂的高阶矩。该想法源自以下事实：星座图中的高阶QAM信号的内部点主要受到ASE噪声的影响，而受其他系统噪声的影响较小。该方法在16-QAM和64-QAM仿真中效果很好。此外，本发明通过16-QAM和64-QAM相干光通信系统实验证明了所提出的OSNR监测方法，并实现了估计OSNR和测得OSNR之间的误差小于0.4dB。

在这项工作中，本发明使用通过恒定模块算法进行时钟恢复的信号作为输入。如果将发送信号写为x_n＝R_nе^jθn，其中R_n和θ_n分别是QAM信号的幅度和相位。恒定模块算法后的恢复信号可以表示为：

其中s是信号功率因数，n是噪声功率因数，z_k是均值为零的高斯白噪声。

对时钟恢复后的信号进行平均能量归一化；

提取归一化后恢复信号的内部幅度圆表示为：

接收信号的二阶矩M₂可表示为

其中E{}和()^*表示向量的均值和共轭。由于信号和噪声是在同一系统中传输的，则假设它们具有相同的方差，即E{|R_n|²}＝E{|Z_n|²}＝V。

同样的地，接收信号的四阶矩M4被写为：

M₄＝E{(YY^*)²}＝S²E{|R_n|⁴}+4V²SN+N2E{|Z_n|⁴} (4)

＝(K_xS²+4SN+K_zN²)V²

假设ASE噪声具有高斯分布，因此Kz为2。Kx由接收信号的幅度确定，即K_x＝E{|R_n|⁴}/E²{|R_n|²}，则16-QAM和64-QAM信号的Kx分别为1.32和1.381。

OSNR可以通过信号功率因数S和噪声功率因数N来估计，

其中B_f是12.5GHz的参考带宽(即光谱分析仪(OSA)的0.1纳米分辨率带宽)，Rs是信号的符号率。

在QAM相干光通信系统中，本发明使用恢复信号的序列来计算二阶和四阶矩。

图1描述了在12.5-Gbuad QPSK，16-QAM和64-QAM仿真系统中基于矩估算的OSNR作为仿真OSNR的函数，其中应用了加性高斯白噪声信道。首先，恢复的信号如图1插图所示，通过平均能量归一化，如下所示：

然后，将归一化的信号用作基于矩的OSNR监测的输入，根据上述等式计算OSNR，如图1所示。

在图1中，虚线表示参考线，正方形，菱形和圆形标记的曲线表示基于矩估计的OSNR与仿真的OSNR的关系。显然，传统的基于矩的方法在QPSK信号可以将误差控制在0.4dB以下，在10dB到31dB的OSNR的宽范围内实现OSNR的准确估计。但是，对于16-QAM和64-QAM信号，当OSNR高于20dB时，基于矩估计OSNR与仿真OSNR之间的偏差会变大。因此，传统的基于矩的OSNR监测技术在OSNR较高时，不能很好的监测计算高阶QAM的OSNR。

如图1的插图所示，在16-QAM和64-QAM信号的幅度图中，最里面的幅度与其他幅度之间的距离较宽，并且最里面的幅度主要受到ASE噪声的影响。因此，在这项工作中提取了最里面的幅度，利用基于矩的OSNR方法估计信号的OSNR。在上述仿真中，本发明针对20dBOSNR上的16-QAM和64-QAM信号应用了所提出的精度增强的基于矩的方法。图2比较了基于矩的传统方法和提出的精度增强的方法，如正方形和圆形所示。与传统的基于矩的方法相比，所提出的精度增强的基于矩的方法可以将估计误差降低到0.4dB以下，如图2中三角形标记曲线所示。

应该注意的是，通过提取M-QAM信号的最里面的幅度来估计的OSNR增强了与仿真的OSNR线性关系，但是它们之间存在恒定的偏差。通过校准得到恒定偏置，并且相同调制格式的信号的偏置值相同。

实验步骤和结果

为了验证所提出的精度增强的基于矩的方法的可行性，如图3所示，搭建了12.5Gbaud QPSK，16-QAM和64-QAM相干光通信系统。包含了可产生多振幅电平信号的50GSamples/s的任意波形发生器(AWG)，这些多电平电信号被同相/正交(I/Q)调制器调制到线宽为100kHz的外腔激光器(ECL)。噪声仿真部分由可变光衰减器(VOA1)和掺饵光纤放大器(EDFA)组成，以产生各种OSNR。另一个VOA2用于控制相干光接收机的输入功率。最后，在标准相干光接收机之后，使用一个100GSamples/s的实时示波器来获取用于OSNR估计的数据。

在实验中，传输的信号会因来自不同组件的各种噪声而恶化。尽管传统的基于矩的方法可以在仿真中准确估计QPSK信号的OSNR，但在实验中由OSA测得的OSNR与基于矩估算的OSNR之间存在较大偏差，如图4中的方块所示。因此，必须重新定义OSNR以进行校准。校准的OSNR由图4中的圆圈显示，大大减少了偏差。如图4中的三角形标记曲线所示，估计误差小于0.4dB。

图5(a)和(b)分别表现的是16-QAM和64-QAM信号估计的OSNR与OSA测得的OSNR的函数关系。并对这些信号进行图4中的校准。方块表示传统基于矩的方法结果，圆圈表示所提出精度增强的基于矩的方法结果，三角形标记曲线是所提出方法的估计误差。对于OSNR高于20dB的信号，所提出的方法可以将估计偏差减小至到0.4dB之内。对于在低OSNR的信号，传统的基于矩的方法可以很好地工作。因此，图5侧重于OSNR值高于20dB的信号。

最后，本发明研究了符号长度对OSNR估计的影响。以16-QAM信号为例，绘制了不同符号长度下的OSNR估计的曲线。符号长度分别为500、1000、2000和4000以及对应的估计的OSNR和估计误差在图6中分别用圆圈，正方形，菱形和三角形表示。可以看出，较长的符号长度对基于矩估计的OSNR方法有着很微少的改进，在所提出的方法中，1000个符号足以进行准确的OSNR估计。

在高阶QAM相干光通信系统中，传统的基于矩的OSNR监测方法在较高的OSNR范围内性能有所降低。此问题是由高阶QAM信号中星座幅度的多级分布引起的，其中外部星座点易受各种系统噪声的影响。相比之下，最里面的星座点主要受ASE噪声影响。因此，在这项工作中，本发明提出了一种改进的基于矩的OSNR监测方法，该方法通过提取高阶QAM信号的最内层幅度利用基于矩的方法估算信号的OSNR。通过16-QAM和64-QAM仿真和实验验证所提出方法的可行性，并将估计的OSNR和测得的OSNR之间的误差控制在0.4-dB以下。

光信噪比(OSNR)是相干光通信系统中监测接收信号质量和传输链路故障的重要参数。基于接收信号矩的OSNR监测技术简单且无需额外的训练序列。基于接收信号矩的OSNR监测方法适用于具有恒定幅度的QPSK信号，但对于具有多幅度的16-QAM和64-QAM信号的性能却有所下降。因此本发明提出了一种基于矩的精度增强OSNR监测方法代替计算高阶统计量，该方法首先实现M-QAM信号的时钟恢复，然后对信号进行平均能量归一化，最后提取内部幅度圆来估计OSNR值。该方法已在16-QAM和64-QAM仿真和实验中得到验证和评估。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。