阅读说明：本技术 具有动态范围的错误控制编码 (Error control coding with dynamic range ) 是由 A·A·哈桑 于 2020-03-24 设计创作，主要内容包括：在一些示例中公开了用于在功率电平调制方案中连同ECC使用不确定性范围的方法、系统、光学设备和机器可读介质。不确定性范围内的光子计数不会被解复用,数据稍后由ECC算法恢复,无需重传。这通过改变解复用行为以利用ECC算法中的特性来降低错误率来提高性能。(Methods, systems, optical devices, and machine-readable media for using uncertainty ranges in power level modulation schemes in conjunction with ECC are disclosed in some examples. Photon counts within the uncertainty range are not demultiplexed and the data is later recovered by the ECC algorithm without retransmission. This improves performance by changing the demultiplexing behavior to take advantage of the characteristics in the ECC algorithm to reduce the error rate.)

具体实施方式

图1描绘了根据本公开内容的一些示例的光纤系统100形式的简化光通信系统的组件。数据流105可以包括由处理电路110处理的较高网络层产生的二进制数据。处理电路110可以以一种或多种方式处理数据流105的数据以准备用于传输。由处理电路110执行的示例处理操作包括应用一个或多个纠错码(ECC)、压缩算法、加密算法等。由处理电路110变换的数据然后作为控制信号被传递到光源115。光源115通过根据调制方案依据输入数据选择性地开启和关闭光源来调制数据。例如，在简单的调制方案中，可以在预定的时间段(例如，时隙)期间发送每个比特。在特定时隙期间，如果来自输入数据的当前比特是‘1’，则在该时隙期间可以开启光源，如果来自输入数据的当前比特是‘0’，则在该时隙期间可以关闭光源。可以使用其他更复杂的调制方案，例如幅度、相位或偏振调制。在一些示例中，光可以被调制到正弦波上。

由光源产生的光然后通过光通信路径行进到接收机。光通信路径是从发射光源到接收传感器由光源采用的路径。该路径可以穿过一种或多种介质，例如单根光纤纤维(fiber optic fiber)、空气等。在图1的示例中，光通信路径行进跨越单根光纤纤维120。在介质是空气的示例中，光通信路径可以是发射光源和接收机处的传感器的对准。

接收机包括光电检测器125和处理电路130。光电检测器125收集在与数据流105的单个比特被发送的时间量相对应的检测时间段期间检测到的光子数量的计数。基于光子计数，光电检测器产生数据流，然后将该数据流输入到处理电路130，该处理电路应用与处理电路110应用的操作相反的操作以产生数据流135。目标是尽可能快地将数据流105发送到接收机，同时使数据流135与数据流105相匹配。

如已所述的，WDM可用于优化光通信路径的使用。诸如幅度调制(AM)和数字域功分复用(DDPDM)之类的其他技术也增加了介质的带宽。将清楚地表明，这些技术都没有充分利用介质中可用的整个带宽，并且在一些情况下，这些技术存在不希望有的缺点。例如，这些技术都不允许具有两个不同光源的两个不同发射机以相同波长并通过与接收机相同的通信路径(例如光纤)同时发送。此外，用于对每个流进行比特分配的决策范围对于这些技术中的每个比特组合(与检测到的比特组合相对应的光子计数范围)是相等的。在不同发射机具有略微不同的功率电平的情况下，这些对称的决策范围会带来困难。最后，对于DDPDM，使用的解码、解调和干扰消除非常复杂，并且需要大量的处理资源。例如，DDPDM在接收机处对同一信号进行多次解调和再调制。这增加了设备成本和/或解码时间。

另一种技术，光功率电平调制(OPLM)，其由与本申请同日递交的、Amer Hassan和Edward Giaimo(代理案卷号#1777.C02US1)的共同未决的申请“Power Switching forSystems Implementing Throughput Improvements for Optical Communications”描述，通过引用方式将上述申请的完整内容并入本文，该技术允许使用以相同的波长在不同的功率电平进行发送的不同的光源跨越相同的光通信路径(例如，相同的光纤纤维)传输多个数据流。OPLM技术可以与各种调制方案相结合，例如简单的调制方案，在这种方案中，开启光源以发送‘1’并关闭光源以发送‘0’，以及更复杂的方案，例如AM、DDPDM、WDM等。在OPLM系统中，与每个流相对应的每个光源以同一频率并在同一光通信路径上使用不同的功率电平进行发送。接收机通过将一个或多个检测模型应用于在接收机处观察到的光子计数来对每个流的数据进行解复用，以确定每个流的可能比特分配。

由于每个光源以不同的功率电平进行发送，因此单独激活的第一光源、单独激活的第二光源或一起激活的这二者产生在接收机处检测到的不同光子计数。泊松分布形式的检测模型(或其他检测模型)可以基于这些光子计数来计算每个光源被激活的概率。这可用于为每个流分配比特值。因此，可以利用诸如泊松分布的检测模型来对流进行解复用。例如，考虑使用调制方案的具有两个数据流和两个光源的系统，其中光源激活在比特流中以‘1’信号传送，而光源关闭则在比特流中以‘0’信号传送。在该系统中，第一模型可以指示第一光源开启而第二光源关闭的概率—这对应于‘1’和‘0’的比特组合。第二模型可以指示第二光源开启而第一光源关闭的概率—这对应于‘0’和‘1’的比特组合。第三模型可以指示两个光源都被激活的概率，因此对应于‘1’和‘1’的比特组合。

结果，可以在单个光链路上发送来自多个光源的多个数据流，这可能是单个链路上单个信道的带宽的两倍、三倍、四倍或更多。此外，可以避免其他技术的问题。例如，每个比特组合的决策范围(例如泊松分布)可以与其他比特组合的决策范围不同。这允许不同功率电平的光源。此外，与DDPDM不同，检测非常简单。此外，由于可以使用多个光源，因此系统可以支持相同的通信路径(例如，相同的光纤纤维)上的多个用户。

图2示出了根据本公开内容的一些示例的、由接收机在解复用数据时执行的OPLM方法200。在操作210处，接收机可以确定在预定时间段期间观察到的光子的光子计数。预定时间段可以是一段时间(例如，时隙)，其中发射机和接收机被同步以发送比特流的一个或多个比特(例如，分组的比特)。在操作215处，接收机使用光子计数和第一检测模型确定以下第一概率：与第一数据流相对应的第一光源以第一功率电平开启，并且与第二数据流相对应的第二光源关闭。在操作220处，接收机使用光子计数和第二检测模型确定以下第二概率：与第一数据流相对应的第一光源关闭，并且与第二数据流相对应的第二光源以第二功率电平开启。在操作225处，接收机使用光子计数和第三检测模型确定以下第三概率：第一光源以第一功率电平开启，并且第二光源以第二功率电平开启。

检测模型可以是泊松概率分布、机器学习模型(例如，神经网络、回归模型、聚类模型)、决策树，等等。例如，如上所述，第一光源单独以第一功率电平进行发送，第二光源单独以第二功率电平进行发送，以及第一和第二光源二者一起进行发送可以产生击中接收机的不同平均数量的光子。因此，可以使用泊松分布来对光源的特定组合导致那些光子击中接收机的概率进行建模。这些泊松分布可用作检测模型。

在操作230处，系统可以基于第一、第二和第三概率来确定第一和第二数据流的比特值。例如，可以选择产生最高概率值的模型并且可以将与该模型相对应的比特值分配给比特流。如上所述，检测模型可以对应于各数据流的比特值。在一些示例中，可以通过将光子计数与预定最小阈值进行比较来确定两个比特流的‘0’值(例如，在操作215、220和225之前或在操作230期间)。在其他示例中，单独的模型可以用于两个比特流的‘0’值。方法200用于两个光源和两个比特流，但可以应用于具有额外比特流的额外光源。在其他示例中，单个模型可以输出比特分配。

OPLM系统解决了光通信中高效带宽利用的技术问题，而没有上文讨论的先前方法的缺点。例如，该方法允许使用单个光源发送的多个数据流或使用多个光源发送的多个数据流。在本公开内容中，来自多个光源的任何干扰由使用任何此类干扰经过训练的检测模型来解释。此外，由于模型可能具有不相等的决策范围的概率，因此使用具有不同功率电平的不同光源不会像AM和DDPDM那样造成问题。此外，这些模型可能会随着时间的推移进行调整以考虑到老化的发射机电路。与DDPDM相对比，本公开内容不需要通过进行连续干扰消除来重新调制接收的信号。替代的，本公开内容利用特定比特组合的平均光子计数。由于所公开的检测模型是相对简单的概率分布，因此数据流的解码和解复用过程可以使用相对简单、便宜和快速的硬件和/或软件来对输入进行解复用，而不需要更复杂的硬件，例如在使用连续干扰消除的方式中所必需的硬件。

OPLM使用训练序列来确定检测模型。例如，通过指示每个光源单独激活，并与每个其他光源组合来确定每个组合的平均光子计数。平均光子计数可用于构建检测模型，例如泊松概率模型，或训练受监督或无监督的机器学习模型。在操作期间，在传输时隙期间观察到的光子计数被提交给每个检测模型，并且可以选择具有最高概率的检测模型。与该检测模型相对应的比特分配可以被分配为每个特定流的比特。

图3描绘了根据本公开内容的一些示例的、对应于三个不同功率电平的三个泊松概率分布的曲线图300，在曲线图中概率为y轴并且接收到的光子计数为x轴。图3描绘了针对相同光通信路径上的给定波长，以第一功率激活的光源的第一概率分布320、以第二功率(第二功率大于第一功率)激活的光源的第二概率分布325，以及以第三功率(第三功率大于第二功率)激活的光源的第三概率分布330。随着光源的功率电平的增加，光源输出的光子数量增加。这增加了预期撞击接收机的光子数量，这使概率分布在图3的曲线图上向右移动并使曲线变平(因为随着光子计数变高，预计会有更多的变化)。

如上所述，本公开内容利用一个或多个检测模型来确定通过相同光通信路径(例如，相同光纤)和相同波长但使用不同功率电平发送的每个流中的每个比特的比特值。检测模型可以是泊松概率分布。例如，概率分布320、325和330可以用作检测模型。第一概率分布320可以对在接收机处观察到的特定光子计数是由与第一流相对应的第一功率的第一光源被开启而与第二流相对应的第二光源被关闭引起的概率进行建模。在简单的调制方案中，在检测时段“开启”的光源被解释为‘1’，而在检测时段“关闭”的光源被解释为‘0’，因此第一概率分布320对第一流的相应比特值的概率建模为‘1’，并且将第二流的相应比特值的概率建模为‘0’，在图中表示为(1，0)。

第二概率分布325对在接收机处观察到的特定光子计数是由与第二流相对应以第二功率被激活的第二光源是开启的而与第一流相对应的第一光源是关闭的引起的概率进行建模。在上述简单调制方案下，第二概率分布325因此对第一流的相应比特值0和第二流的相应比特值1的概率进行建模，在图中表示为(0，1)。第二功率电平大于第一功率电平。

第三概率分布330对在接收机处观察到的特定光子计数是由第一和第二光源被激活引起的概率(并且因此预期更多的光子撞击接收机)进行建模。因此，第三概率分布330对第一流的相应比特值1和第二流的相应比特值1的概率进行建模，在图中表示为(1，1)。同时激活的多个光源将产生比每个单独光源更多的光子—因此，概率分布甚至向右移动的更远。此外，范围也会随着功率的增加而增加从而使泊松分布变平，因为额外的光子也引入了更多变化的可能性。

因此，接收机可以利用在接收机处观察到的光子计数遵循基于光源的功率电平的泊松分布的观察来确定每个比特流的每个比特，即使两个光源同时活动也是如此。接收机可以观察撞击接收机的光子数量，并计算以下概率：光子计数由第一光源单独使用第一概率分布320生成、由第二光源单独使用第二概率分布325生成，以及由第一和第二光源的组合使用第三概率分布330生成。基于这些概率计算，可以使用决策逻辑做出第一流的比特是‘0’还是‘1’以及第二流的比特是‘0’还是‘1’的决定。在一个示例中，决策逻辑可以是选择与在给定观察到的光子计数情况下的最高概率对应的检测模型相关联的比特。例如，如果最高概率是光子计数由第一光源单独产生，则可以向第一流分配比特值‘1’而可以向第二流分配比特值‘0’。或者，如果最高概率是光子计数由第二光源单独产生，则可以向第一流分配比特值‘0’而可以向第二流分配比特值‘1’。最后，如果最高概率是光子计数由两个光源产生，那么可以向两个流分配1。可以重复该方案，直到发射机完成发送数据。

作为示例，在接收机处观察到的光子计数340可以具有根据第一概率分布320的第一概率345和根据第二概率模型的第二概率350以及根据第三概率分布330的零或接近零的第三概率355。由于第一概率345大于第二概率350和第三概率355，因此可以选择概率分布320—因此观察到的光子计数最有可能是由第一光源以第一功率电平激活且第二光源关闭而造成的。由于在该示例中，通过开启光源来表示‘1’，而通过关闭光源来表示0，第一流的最可能的比特分配为1，对于第二流，最可能的比特分配为0。

图4描绘了与图3中的检测模型相似的三个检测模型420、425和430的曲线图400。光子计数范围415、424和435(由虚线框表示)可以是检测模型产生的概率不高或两个模型之间的概率差异可能很低的光子计数范围。例如，光子计数范围424内的光子计数产生不是很高并且彼此非常相似的检测模型420和425的概率。在OPLM技术利用与具有最高概率的模型关联的比特分配来对流进行解复用的情况下，这可能涉及接收机选择接收机对其具有低置信度量的比特分配。例如，对于检测模型420和425的交叉点左侧和右侧的光子计数(例如，在范围424中)，比特流分配应该是10与01的概率几乎相等。

选择不正确的比特分配而不是省略这些比特可能不是在所有情况下都是最佳的。这是因为纠错码(ECC)可能应用于以下这样的数据：通过使解码失败而不是尝试对不正确数据进行处理在解码期间可以获得更好的性能。例如，里德所罗门码和有界距离解码。结果，与进行错误比特分配相比，在接收机对比特分配具有低置信度级别的情况下不进行比特分配可以降低应用ECC之后的错误率。

在一些示例中公开了用于在功率电平调制方案中连同ECC利用不确定性范围的方法、系统、光学设备和机器可读介质。不确定性范围内的光子计数不会被解复用，数据稍后由ECC算法恢复，无需重新传输。这通过改变解复用行为以利用ECC算法中的特性来降低错误率来提高性能。

可以存在一个或多个不确定性范围，并且它们的大小和位置可由多种因素确定。在一些示例中，不确定性范围可以在系统的整个执行过程中具有固定大小。在其他示例中，不确定性范围可以响应于变化的特征(例如ECC算法的变化、检测模型的变化)等周期性地随时间变化。可以基于系统设计者、系统特性等来确定不确定性范围的大小。在其他示例中，可以基于检测模型的特性和/或所使用的ECC的特性来设置不确定性范围的大小。例如，ECC在要求重传之前容忍的丢失比特越多，不确定性范围可以设置得越大。这允许做出更准确的决策，因为在其中做出决策的范围具有检测模型之间较大概率差异的特征。

在使用ECC特性来确定不确定性范围的大小的示例中，设置大小的示例算法可以用于确定以下不确定性范围的大小：该不确定性范围被预测为产生最接近但不超过在无需重传的情况下ECC容忍的最大丢失比特数的丢失比特数。例如，可以确定特定数据单元大小(例如，ECC对其进行操作的数据单元)的最大丢失比特率。这可以被计算，或者可以由所使用的ECC来指示。对于不确定性范围的每个大小，接收机可以确定特定数据单元大小的预期丢失比特量。针对给定不确定性范围大小的预期丢失比特量可以由管理员或设计者提供，并且可以存储在表格或其他变量中。在其他示例中，接收机可以使用检测模型来计算针对给定不确定性范围大小的预期丢失比特量。例如，接收机可以使用历史数据来确定哪些比特组合最有可能，然后基于概率分布，可以针对给定的不确定性范围大小计算预期将被跳过的预期丢失比特的数量。接收机然后可以选择这样的不确定性范围大小：其具有尽可能接近但不超过ECC算法的最大丢失比特率容限的预期丢失比特量。

在一些示例中，代替使用ECC特性，或者除了使用ECC特性之外，不确定性范围的大小和位置可以基于检测模型的特性(单独地或彼此组合地)。例如，大小和位置可以基于或者是一个或多个检测模型的相邻检测范围的重叠范围。例如，在图4中，检测模型420和425的检测范围重叠，并且检测模型425和430的检测范围重叠。在一些示例中，不确定性范围可以基于下一功率电平或先前功率电平的第一检测范围和第二检测范围的概率的差来确定。例如，不确定性范围可以包括光子计数，其中概率差小于阈值概率差。在这些示例中，不确定性范围反映了：尽管一个检测模型的概率可能大于第二概率模型的概率，但差异在统计上并不显著，因此接收机可能对那些范围中产生的比特分配没有置信度。

在利用ECC特性和检测模型特性二者的示例中，可以通过利用考虑ECC特性作为最大大小而计算出的大小来设置大小，并且可以利用检测模型的特性，只要不确定性范围的大小不超过该最大大小。

可用于设置不确定性范围的检测范围的另一特性可以包括由特定检测模型返回的最大概率值。例如，在图4中，检测模型430在其最高峰处产生的概率远小于检测模型420在其最高峰处的概率。这可能反映了关于检测这些比特组合的增加的不确定性。在这些示例中，该模型的更大不确定性范围可用于增加接收机的置信度。例如，接收机可以基于ECC特性来计算所有模型的总范围，然后基于最大概率、重叠范围等将其划分到每个模型中。

可以使用的检测范围的又一个特性可以包括范围。例如，在图4中，检测模型430具有比检测模型420大得多的更高的概率范围(例如，产生统计上显著的概率的光子计数的范围)。这可以反映更大的一组光子计数可以由发送相应比特组合的发射机产生。在这些示例中，更大的不确定性范围可用于增加接收机的置信度。

在一些示例中，可以通过考虑上述因素中的一个或多个因素来设置给定不确定性范围的大小。作为一个示例，接收机可以基于上述因素之一(例如，重叠范围)来确定大小并基于一个或多个其他因素(例如，最大概率和范围)来修改大小，但是将大小限制为使用ECC特性确定的最大值。在其他示例中，每个因子可以用于独立地产生大小并且每个因子可以被加权和求和以产生不确定性范围的最终大小。在一些示例中，不确定性范围可以被限制在由ECC特性指定的最大值。在其他示例中，一个或多个受监督学习算法可以训练可用于设置大小的模型。表示用于设置大小的特性(例如，ECC特性、模型特性等)的数据可以用适当的大小标记并用于训练机器学习模型。该模型然后可以利用新数据对不确定性范围的适当大小做出新的预测。随后观察到的错误率和重传率然后可用于调整模型。后面针对图9的讨论讨论了关于机器学习算法的额外信息。

除了不确定性范围的大小之外，不确定性范围的位置可以基于检测模型的特性来确定。例如，不确定性范围可以以至少两个检测模型的概率在此处相等的光子计数为中心。在图4中，这对应于检测模型420、425和430的交点。

接收机可以利用一个或多个不确定性范围。在一些示例中，可以针对每个决策模型利用多个不确定性范围。在一些示例中，单个不确定性范围可用于每个决策模型。每个不确定性范围可以与所有其他不确定性范围的大小相同。在其他示例中，一个或多个不确定性范围可以具有与其他不确定性范围不同的大小。

每个不确定性范围可以具有独立确定的大小和/或位置。在其他示例中，一个或多个不确定性范围可以具有基于一个或多个其他不确定性范围的大小和/或位置确定的大小和/或位置。例如，可以确定最大不确定性范围大小(例如，基于ECC特性)并且可以使用基于每个检测模型的特性确定的总数的比例来确定与每个检测模型相对应的每个不确定性范围的大小。

在其他示例中，检测模型的大小可以在初始被设置并且可以随时间调整。例如，随着更多光子计数落入给定数据单元内的不确定性范围内，不确定性范围可能会缩小以防止丢失太多比特并防止ECC算法超过特定数据单元的最大可允许丢失数据并避免重传。

图5描绘了根据本公开内容的一些示例的、用于根据使用不确定性范围的OPLM方法对通过光通信路径发送的多个数据流进行解复用的方法500。在操作505处，接收机开始接收数据并对数据流进行解复用。如前所述，每个流可以由一个或多个不同的光源发送，这些光源跨越相同的光通信路径(例如，相同的光纤纤维)并且以相同的波长以不同的功率电平进行发送。

可以在特定时间段(例如，时隙)期间发送每个流的一个或多个比特。在操作510处，可以确定在接收机处检测到的光子的光子计数，这些光子是通过根据调制方案选择性地激活发送一个或多个数据流的光源而产生的。

在操作515处，检查光子计数以确定光子计数是否在一个或多个不确定性范围内。如果光子计数在定义的不确定性范围内，则在操作525处，接收机不对与任何数据流的当前时隙相对应的比特位置进行比特分配。因此，接收机将数据位置留空。经解复用的其后比特可以被插入到将会被解复用的比特将会被放置的比特流中，或者在其他示例中，比特可以在比特流中通过一些数据表示(例如NULL)来表示，或者以其他方式被指示或标记为未知。

如果在操作515处光子计数不在不确定性范围内，则可以在操作520处使用检测模型将比特值分配给流。例如，通过执行图2的操作215-230。

在一些示例中，ECC算法对具有确定大小的比特流的分组、片段或其他数据单元进行操作。在这些示例中，在操作530处，接收机确定在进行ECC操作以校正或替换任何数据之前是否还需要接收用于当前数据单元的额外数据，例如码字、分组或其他数据单元。该决定可在确定是否已经接收到数据单元的所有数据时将任何丢失的比特考虑在内。如果确定为是，则操作返回到操作510以接收额外数据。如果确定为否，则在操作535处，当前数据单元中的数据流的接收数据可以具有由ECC过程纠正的任何丢失或不正确的比特分配。操作继续到针对下一个数据单元的操作510，并且重复该过程直到发射机不再发送数据或者接收机不再被配置为接收数据。

图6描绘了根据本公开内容的一些示例的、用于根据具有不确定性范围的OPLM方案对通过光通信路径发送的多个数据流进行解复用的方法600。图6是图5的示例。在操作610处，接收机可以生成与第一和第二数据流的各自多个比特位置相对应的多个光子计数。光子可以由发送一个或多个数据流的一个或多个发射机中的一个或多个光源产生。光子计数可由光子检测器在特定时间段内确定，其中多个比特流中的一个或多个比特由根据调制方案选择性地激活以发送一个或多个数据流的一个或多个光源发送。即，光子计数可以是第一和第二比特流中特定比特位置的值的传输的结果。复用方案可以是与WDM、AM或其他调制方案结合使用的OPLM方案。

在操作615处，接收机可以确定来自操作610的一个或多个光子计数是否在一个或多个定义的不确定性范围内。在一些示例中，每个不确定性范围可以存储为具有第一光子计数和第二光子计数的数据结构。如果在操作610处确定的光子计数大于第一光子计数并且小于第二光子计数，则光子计数在定义的不确定性范围内。

在操作620处，接收机可以确定第一和第二数据流中的比特值分配。例如，接收机可以将针对该比特位置接收的光子计数提交给一个或多个检测模型。例如，泊松概率。检测模型返回的最高概率可用于在该比特位置处将该值分配给第一和第二流。除了具有在一个或多个不确定性范围内的相应光子计数的那些比特位置之外，这可以对所有比特位置进行。在一个或多个不确定性范围内具有相应光子计数的比特位置可以未分配，可以跳过(例如，下一个光子计数可以用于该比特位置)，可以被分配指示该值未知的值，等等。在一些示例中，可以针对每个比特位置中的每个接收到的光子计数连续执行操作610、615和620，并且操作620中的结果可以保存在缓冲器或其他存储器中。

在操作625处，接收机可以使用应用于针对第一和第二数据流的所确定的比特值分配的纠错码(ECC)过程来生成与具有位于第一和第二数据流的不确定性范围内的相应光子计数的比特位置相对应的值。例如，由接收机为每个比特流分配的比特值(例如，在光子计数不在不确定性范围中的情况下)可以由ECC算法使用，以确定针对光子计数在不确定性范围中的比特位置的比特值分配。在一些示例中，接收机对特定数据单元使用ECC算法。例如，分组、码字等。接收机因此可以根据ECC方案利用特定数据单元中的其他数据来确定未知数据。例如，可以重复操作610-620，直到接收到足够的比特以应用ECC算法。

在一些示例中，不确定性范围的大小可以基于当前数据单元中的当前未知比特的数量来动态调整。例如，在接收特定数据单元期间，如果不存在未知数据比特，则不确定性范围可能比未知比特的最大数量的50％可以被ECC算法校正的情况更大。这允许接收机在ECC可以确定丢失数据时减少未知比特的数量，但在ECC达到其确定丢失数据的容量时减少未知比特的数量。

示例发射机和接收机

现在转到图7，示出了根据本公开内容的一些示例的、用于增加光纤带宽的系统700的示意图。第一发射机705可以包括处理电路710，用于对数据流进行变换以将其准备好用于在光纤纤维上传输。示例操作包括应用ECC、加密、调制操作等。经变换的比特用作控制器720的信号以指示光源715选择性地开启或关闭以根据调制方案来表示经变换的比特流。例如，通过响应比特流中的‘1’来开启光源715以及响应比特流中的‘0’来关闭光源。控制器720可以基于在分配的功率电平分配方案中指示的功率电平并且基于功率电平分配方案的当前阶段来设置光源715的功率。功率电平分配方案是用于协调跨两个或更多个发射机的不同功率电平的任何公式或计划。例如，这些发射机可以针对哪个发射机以特定功率电平进行发送来进行交替。功率电平分配方案可以被划分为一个或多个阶段。阶段指定功率电平分配方案的单元，其中由该方案服务的每个发射机在定义的持续时间内或直到定义的事件发生之前被分配功率电平。持续时间可以是基于时间的、基于数据长度的(例如，定义的时隙数量)，等等。在一些示例中，接收机使用的检测模型可以特定于功率电平分配方案的当前阶段。功率电平分配方案可以由一个或多个数据结构来描述。例如，公式、表格、图表或其他指标。在使用改变功率的调制方案的情况下，功率电平可以是特定时隙上的平均功率电平。对于哪个功率电平分配方案是活动的以及哪个阶段是活动的指示可以存储在功率电平分配方案存储单元765中。

光源715通过光通信路径向接收机发送光，光通信路径可以通过诸如光纤纤维之类的介质。示例光源可以包括LED或LASER光源。控制器720和处理电路710可以是通用处理器或者可以是被配置为实现本文中描述的技术的专门设计的电路。功率电平分配方案存储单元765可以是闪存、只读存储器(ROM)或其他暂时性或非暂时性存储单元。

发射机705和750可以是收发机，因为它们可以具有相关联的接收机，例如接收机725、758。功率电平分配方案可以由接收机760(其也可以是收发机)、通过与第二发射机750的协议等来分配。分配的功率电平分配方案可以是存储在功率电平分配方案存储单元765中的预定分配方案库中的一个分配方案。在一些示例中，分配的功率电平分配方案可以基于分配方案库中的方案，但可以针对通信会话中涉及的特定发射机和接收机中的一个或多个进行修改。在其他示例中，分配的功率电平分配方案可以是针对特定通信会话而定制的。功率电平分配方案存储单元765可以存储特定分配方案、对特定分配方案的选择、使用中的任何定制、当前阶段，等等。

接收机725可以是光纤接收机，但也可以是诸如WiFi接收机、蓝牙接收机、以太网接收机等的带外接收机。接收机725可以从接收机760接收指令，这些指令被传递到控制器以在接收机的模型训练期间开启或关闭光源715。

第二发射机750可以包括与第一发射机705类似的组件。例如，控制器754、光源756、处理电路752、接收机758、功率电平分配方案存储单元770，等等。在一些示例中，如果第一发射机705和第二发射机750在相同设备中，则一个或多个组件可以在第一发射机705和第二发射机750之间共享。此外，第一发射机705和第二发射机750可以在多个不同波长上通过光纤电缆向接收机760发送多个数据流。因此，第一发射机705和第二发射机750可以利用本发明的两种技术通过改变功率电平在相同光纤上同时发送多个数据流，但是还使用不同波长的多个数据流。

图8示出了根据本公开内容的一些示例的接收机的示意图800。例如，接收机800可以是作为收发机760的一部分的示例接收机。接收机800可以包括光电检测器805，其检测在预定时间段(例如时隙)上通过诸如光纤纤维的光通信路径接收的光子和/或对光子进行计数。光子计数被传递到控制器810。控制器810可以确定光子计数是否落在不确定性范围数据存储单元865中存储的不确定性范围之一内。如果光子计数落在不确定性范围内，则控制器可以跳过对当前时间段内的数据进行解复用。在一些示例中，比特流的相应比特位置可能被下一时间段中解复用的比特占据。在其他示例中，一个或多个指示可以被插入到比特流中以指示该比特位置是未知的。

如果光子计数不在不确定性范围之一内，则控制器810利用存储在模型存储单元835中的一个或多个检测模型来确定比特流中的各个比特。例如，模型可以包括一个或多个泊松分布，其可以返回光子计数与每个流的一个或多个特定比特组合相对应的概率。可以基于当前功率电平分配方案的当前阶段来选择要使用的特定检测模型。当前阶段和/或所选择的功率电平分配方案可以存储在功率电平分配方案存储单元840中。

例如，考虑一个简单的功率电平分配方案，其中两个光源在相同波长上跨越相同的通信路径(例如，光纤纤维)同时进行发送。功率电平分配方案逐个比特地对与两个不同数据流相对应的两个光源中的哪个光源以高功率电平激活进行交替。在第一比特上，流1是高功率光源，流2是低功率光源。在发送第一比特的时间段内接收到的光子计数被提交到第一检测模型集合，该模型集合包括被训练为检测第一光源以高功率激活(第二光源关闭)，第二光源以低功率激活(第一光源关闭)，以及二者都以它们各自分配的功率激活的模型。返回最高得分(例如，检测概率)的检测模型用于为比特流分配值。例如，如果被训练为检测以高功率激活的第一光源(第二光源关闭)的检测模型返回最高概率，则将‘1’分配给与第一光源相对应的比特流而将‘0’分配给与第二光源相对应的比特流(例如，基于以下调制方案：其中‘1’由光源激活指示，‘0’由光源关闭指示)。

在第二阶段，流1是低功率光源，流2是高功率光源。在发送第二比特的时间段内接收到的光子计数被提交到第二检测模型集合，该模型集合包括被训练为检测第一光源以低功率激活(第二光源未激活)，第二光源以高功率激活(第一光源未激活)，以及二者都以它们各自分配的功率发送‘1’的模型。返回最高得分(例如，检测概率)的检测模型用于为比特流分配值。例如，如果被训练为检测以低功率激活的第一光源(第二设备未激活)的检测模型返回最高概率，则将‘1’分配给与第一光源相对应的比特流而将‘0’分配给与第二光源相对应的比特流。

由控制器确定的每个比特流然后分别被传递到处理电路815和820，处理电路对比特流进行解码，并执行各种操作(例如与图7中发射机的处理电路710和752执行的操作相反的操作)并将比特流输出到更高级别的层(例如物理层、传输层或其他网络层)。示例逆操作可以包括：使用ECC来检测和纠正错误，包括纠正丢失的比特。在一些示例中，可以将来自控制器810处的解复用和/或处理电路815和820处的ECC操作的反馈提供给范围确定器855。范围确定器855可以使用该反馈信息来调整不确定性的范围。

范围确定器855可以基于下列一项或多项来设置存储在不确定性范围数据存储单元865中的一个或多个不确定性范围：ECC特性、检测模型特性等。

校准组件825最初可以对模型进行训练，并且可以包括模型训练组件830，其可指示发射机(通过发射机850)发送各种测试数据序列。可以使用由光电检测器805观察到的光子计数来构建模型。例如，通过使用平均光子计数来创建模型，或通过将光子计数提交给训练模块，例如图9的训练组件910。

在一些示例中，控制器810还可以选择和控制功率电平分配方案。例如，通过与发射机的通信来选择和/或定制方案。这可以在与发射机的通信会话之前和/或在通信会话期间周期性地发生。在其他示例中，在发射机同意功率电平分配方案的情况下，控制器810接收指示哪个功率电平分配方案是活动的消息。控制器可以通过去往和/或来自一个或多个发射机的消息传送(例如，对于基于QoS的方法或修改)、基于从最后阶段开始的流逝时间等来确定当前阶段。

如上所述，控制器810确定功率电平分配方案的阶段(哪个发射机的光源处于什么功率)并使用该阶段来选择合适的检测模型。

图9示出了根据本公开内容的一些示例的示例机器学习组件900。机器学习组件900可用于确定检测模型、功率电平分配方案和不确定性范围。机器学习组件900可以全部或部分地由模型训练组件830和/或范围确定器855来实现。机器学习组件900可以包括训练组件910和预测组件920。在一些示例中，训练组件910可以由与预测组件920不同的设备来实现。在这些示例中，模型980可以在第一机器上创建，然后被发送到第二机器。

机器学习组件900使用训练组件910和预测组件920。训练组件910将特征数据930输入到特征确定组件950中。特征数据930可以是光子计数、阶段，等等。在模型用于确定一个或多个不确定性范围的大小和位置的示例中，特征数据930可以是ECC特性、检测模型特性，等等。在该模型用于确定检测模型或功率电平分配方案的示例中，特征数据可以明确地标记有每个流的比特分配、当前进行发送的光源、当前进行发送的光源进行发送所使用的功率电平，等等。

特征确定组件950从特征数据930确定特征向量960的一个或多个特征。在模型是检测模型的示例中，特征向量960的特征是信息输入的集合并且是被确定为预测每个流的比特分配的信息。在模型确定不确定性范围的示例中，特征向量960的特征是信息输入的集合并且是被确定为预测不确定性范围的信息。被选择包括在特征向量960中的特征可以是所有特征数据930，或者在一些示例中，可以是所有特征数据930的子集。在为特征向量960选择的特征是特征数据930的子集的示例中，可以利用关于哪些特征数据930被包括在特征向量中的预定列表。特征向量960可由机器学习算法970利用(连同任何适用的标签)来产生一个或多个检测模型980。

在预测组件920中，当前特征数据990(例如，光子计数；功率电平分配方案信息；或ECC特性和/或检测模型特性)可以被输入到特征确定组件995。特征确定组件995可以确定与特征确定组件950相同的特征集合或不同的特征集合。在一些示例中，特征确定组件950和995是相同的组件或相同组件的不同实例。特征确定组件995产生特征向量997，其被输入到模型980中以确定比特分配、阶段、功率电平分配方案、不确定性范围等999。

训练组件910可以以离线方式操作以训练模型980。然而，预测组件920可以被设计为以在线方式操作。应当注意，模型980可以经由额外的训练和/或用户反馈定期更新。例如，更新的特征可用于重新训练或更新模型980。

可以从许多不同的潜在受监督或无监督机器学习算法中选择机器学习算法970。受监督学习算法的示例包括人工神经网络、卷积神经网络、贝叶斯网络、基于实例的学习、支持向量机、决策树(例如，迭代二分法3、C4.5、分类和回归树(CART)、卡方自动交互检测器(CHAID)等)、随机森林、线性分类器、二次分类器、k-最近邻、线性回归、逻辑回归、支持向量机、感知器和隐式马尔可夫模型。无监督学习算法的示例包括期望最大化算法、矢量量化以及信息瓶颈方法。无监督模型可以没有训练组件910。在一些示例中，检测模型980可以基于检测到的光子来确定每个流的比特。在其他示例中，检测模型980可以针对特定比特被发送的每个流产生得分或概率。在一些示例中，模型990可以产生一个或多个不确定性范围的大小(所有的单个大小，或特定检测模型的大小)、一个或多个不确定性范围的位置，或这二者(例如，光子的特定范围)。

机器学习模型还可用于选择功率电平分配方案。在这些示例中，特征数据930、990可以是预测适当功率电平分配方案的信息。上文讨论的特征可以用作特征数据930、990—例如功率预算、发射机特性、接收机特性等。结果可以是功率电平分配方案的排序和/或选择999。

本文中使用的调制方案相对简单(开启或关闭以表示‘1’或‘0’)。在其他示例中，可以使用不同的调制方案。例如，如果光源和接收机具有相关功能，则除了本文中描述的技术之外，还可以利用WDM、相移调制、幅度调制和其他高级调制形式。例如，多个比特流可以被划分成多个波长—其中每个波长可以具有使用本文中公开的方法发送的多个数据流。类似地，对于功率调制，本发明的功率分配方案可以向每个发射机分配多个功率电平——其中每个功率电平是特定的比特组合。因此，可以向第一发射机分配功率电平1、2和3(分别指示‘01’、‘10’和‘11’比特)，可以向第二发射机分配功率电平4、5和6(以分别指示‘01’、‘10’和‘11’比特)。在该示例中，系统可以分配功率电平，使得每个功率级别组合的平均光子计数足够不同，从而概率分布相距足够远，从而使错误率较低。

图10描绘了可以在其上执行本文中讨论的技术(例如，方法)中的任意一种或多种技术的示例机器1000的框图。在替代实施例中，机器1000可以作为单独的设备操作，或者可以连接(例如网络连接)到其他机器。在网络化的部署中，在服务器-客户端网络环境中，机器1000可以作为服务器机器、客户端机器或这二者来进行操作。在示例中，机器1000可以用作对等(P2P)(或其他分布式)网络环境中的对等机器。机器1000可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、智能手机、网络设备、网络路由器、交换机或桥、或者能够(顺序或以其他方式)执行规定将要由该机器执行的动作的指令的任何机器。机器1000可以实现本文公开的发射机和/或接收机。此外，机器1000可以包括本文公开的发射机和/或接收机。机器1000可以实现本文公开的任何方法。此外，虽然仅描绘了单个机器，但术语“机器”也应该被认为包括单独或联合执行一组(或多组)指令以便执行本文中讨论的方法中的任意一种或多种方法的机器的任意集合，诸如云计算、软件即服务(SaaS)、其他计算机集群配置。

如本文中所描述的，示例可以包括下列各项或者可以在下列各项上操作：逻辑单元、或多个组件、组件或机制。组件是能够执行指定操作的有形实体(例如，硬件)，并且可以用某种方式配置或布置。在一个示例中，可以用指定的方式将电路布置(例如，内在地或者相对于诸如其他电路的外部实体)为组件。在示例中，一个或多个计算机系统(例如，单独的客户端或服务器计算机系统)的部分或整体，或者一个或多个硬件处理器可由固件或软件(例如，指令、应用部分或应用)配置为操作以执行指定操作的组件。在示例中，软件可以位于机器可读介质上。在示例中，当由组件的底层硬件执行时，软件使得硬件执行指定操作。

因此，应该理解术语“组件”包括有形实体，是物理构建的、特别配置(例如，硬线连接的)或临时(例如，暂时)配置(例如，编程)以便以特定方式执行，或者执行本文中描述的任何操作的部分或所有的实体。考虑在其中组件是临时配置的示例，这些组件中的每个组件不需要在任何一个时刻进行实例化。例如，在组件包括使用软件配置的通用硬件处理器的情况下，该通用硬件处理器可以在不同时间被配置为各个不同的组件。软件可以相应地配置硬件处理器，例如，以便在一个时刻构成特定的组件，并且在不同时刻构成不同的组件。

机器(例如，计算机系统)1000可以包括硬件处理器1002(例如，中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器内核或它们的任意组合)、主存储器1004和静态存储器1006，其中的一些或所有可以经由互连(例如，总线)1008与彼此进行通信。机器1000还可以包括显示单元1010、字母数字输入设备1012(例如，键盘)、以及用户界面(UI)导航设备1014(例如，鼠标)。在示例中，显示单元1010、输入设备1012和UI导航设备1014可以是触摸屏显示器。机器1000还可以包括存储设备(例如，驱动单元)1016、信号生成设备1018(例如，扬声器)、网络接口设备1020、以及一个或多个传感器1021(诸如全球定位系统(GPS)传感器、罗盘、加速计、或其他传感器)。机器1000可以包括输出控制器1028(诸如串行(例如，通用串行总线(USB)、并行或其他有线或无线(例如，红外线(IR)、近场通信(NFC)等)连接以便通信或控制一个或多个外围设备(例如，打印机、卡阅读器等)。

存储设备1016可以包括机器可读介质1022，在其上存储有体现本文中描述的技术或功能中的任意一种或多种或由其使用的一组或多组数据结构或指令1024(例如，软件)。指令1024还可以完全或至少部分位于主存储器1004内、静态存储器1006内，或者在由机器1000对该指令的执行期间在硬件处理器1002内。在一个示例中，硬件处理器1002、主存储器1004、静态存储器1006或存储设备1016的一种或任意组合可以构成机器可读介质。

虽然将机器可读介质1022示为单个介质，但术语“机器可读介质”可以包括被配置用于存储一个或多个指令1024的单个介质或多个介质(例如，集中式或分布式数据库、和/或相关联的高速缓存器和服务器)。

术语“机器可读介质”可以包括以下任何介质：能够进行存储、编码或携带用于由机器1000执行的指令，并且使得机器1000执行本公开内容中的技术中的任意一种或多种技术，或者能够进行存储、编码或携带由这些指令使用或者与这些指令相关联的数据结构。非限制性的机器可读介质的示例可以包括固态存储器以及光学和磁介质。机器可读介质的具体示例可以包括：非易失性存储器(诸如半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))、以及闪存器设备、磁盘(诸如内部硬盘和可移除盘)、磁-光盘、随机存取存储器(RAM)、固态硬盘(SSD)以及CD-ROM和DVD-ROM盘。在一些示例中，机器可读介质可以包括非暂时性机器可读介质。在一些示例中，机器可读介质可以包括不是瞬时传播信号的机器可读介质。

指令1024还可以经由网络接口设备1020使用传输介质在通信网络1026上发送或接收。机器1000可以利用多种传输协议(例如，帧中继、互联网协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等)中的任意一种来与一个或多个其他机器通信。示例通信网络可以包括局域网(LAN)、广域网(WAN)、分组数据网络(例如，互联网)、移动电话网络(例如，蜂窝网络)、普通老式电话(POTS)网络，以及无线数据网络(例如，被称为的电气和电子工程师协会(IEEE)802.11标准系列、被称为的IEEE 802.16标准系列)、IEEE 802.15.4标准系列、长期演进(LTE)标准系列、通用移动电信系统(UMTS)标准系列、对等(P2P)网络等等。在一个示例中，网络接口设备1020可以包括一个或多个物理插口(例如，以太网、同轴电缆或电话插口)或连接到通信网络1026的一个或多个天线。在一个示例中，网络接口设备1020可以包括多个天线以便使用单输入多输出(SIMO)、多输入多输出(MIMO)、或多输入单输出(MISO)技术中的至少一种进行无线通信。在一些示例中，网络接口设备1020可以使用多用户MIMO技术进行无线通信。

其他注释和示例

示例1是一种用于通过光通信路径接收复用数据的方法，所述方法包括：使用接收机处的硬件处理器：生成与第一和第二数据流的各自多个比特位置相对应的多个光子计数，所述第一和第二数据流是通过一个或多个光源的选择性激活而发送的；确定所述多个光子计数中与第一比特位置相对应的第一光子计数在多个检测模型的定义的不确定性范围内；响应于确定所述第一光子计数在所述定义的不确定性范围内，通过使用所述多个检测模型从每个对应光子计数分配所述第一和第二比特流中的值，为所述多个比特位置中除所述第一比特位置之外的每个比特位置确定比特值分配；以及使用应用于针对所述第一和第二数据流的所述多个比特位置的确定的比特值分配的纠错码(ECC)过程，针对所述第一和第二数据流生成与所述第一比特位置相对应的值。

在示例2中，根据示例1所述的主题包括：基于所述ECC的定义的能力来确定所述不确定性范围。

在示例3中，根据示例2所述的主题，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下ECC能够纠正的丢失比特的数量，并且其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例4中，根据示例1-3所述的主题包括：基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围。

在示例5中，根据示例4所述的主题包括：其中，基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围包括：基于根据所述多个检测模型中的第一检测模型和所述多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围。

在示例6中，根据示例4-5所述的主题包括：其中，基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围包括基于以下之一来确定所述不确定性范围：所述多个检测模型中的一个检测模型的最高可能概率，或者所述多个检测模型中的所述一个检测模型的范围。

在示例7中，根据示例1-6所述的主题包括：基于光子计数在所述定义的不确定性范围内的实例的比率来调整所述不确定性范围的大小。

示例8是一种用于通过光通信路径接收复用数据的计算设备，所述设备包括：硬件处理器，其被配置为执行包括下列各项的操作：生成与第一和第二数据流的各自多个比特位置相对应的多个光子计数，所述第一和第二数据流是通过一个或多个光源的选择性激活而发送的；确定所述多个光子计数中与第一比特位置相对应的第一光子计数在多个检测模型的定义的不确定性范围内；响应于确定所述第一光子计数在所述定义的不确定性范围内，通过使用所述多个检测模型从每个对应光子计数分配所述第一和第二比特流中的值，为所述多个比特位置中除所述第一比特位置之外的每个比特位置确定比特值分配；以及使用应用于针对所述第一和第二数据流的所述多个比特位置的确定的比特值分配的纠错码(ECC)过程，针对所述第一和第二数据流生成与所述第一比特位置相对应的值。

在示例9中，根据示例8所述的主题包括：其中，所述操作还包括：基于所述ECC的定义的能力来确定所述不确定性范围。

在示例10中，根据示例9所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下ECC能够纠正的丢失比特的数量，并且其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例11中，根据示例8-10所述的主题包括：其中，所述操作还包括：基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围。

在示例12中，根据示例11所述的主题包括：其中，基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的所述操作包括：基于根据所述多个检测模型中的第一检测模型和所述多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围。

在示例13中，根据示例11-12所述的主题包括：其中，基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的所述操作包括基于以下之一来确定所述不确定性范围：所述多个检测模型中的一个检测模型的最高可能概率，或者所述多个检测模型中的所述一个检测模型的范围。

在示例14中，根据示例8-13所述的主题包括：其中，所述操作包括：基于光子计数在所述定义的不确定性范围内的实例的比率来调整所述不确定性范围的大小。

示例15是一种存储有用于通过光通信路径接收复用数据的指令的机器可读介质，当由机器执行时，所述指令使所述机器执行包括下列各项的操作：生成与第一和第二数据流的各自多个比特位置相对应的多个光子计数，所述第一和第二数据流是通过一个或多个光源的选择性激活而发送的；确定所述多个光子计数中与第一比特位置相对应的第一光子计数在多个检测模型的定义的不确定性范围内；响应于确定所述第一光子计数在所述定义的不确定性范围内，通过使用所述多个检测模型从每个对应光子计数分配所述第一和第二比特流中的值，为所述多个比特位置中除所述第一比特位置之外的每个比特位置确定比特值分配；以及使用应用于针对所述第一和第二数据流的所述多个比特位置的确定的比特值分配的纠错码(ECC)过程，针对所述第一和第二数据流生成与所述第一比特位置相对应的值。

在示例16中，根据示例15所述的主题包括：其中，所述操作还包括：基于所述ECC的定义的能力来确定所述不确定性范围。

在示例17中，根据示例16所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下ECC能够纠正的丢失比特的数量，并且其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例18中，根据示例15-17所述的主题包括：其中，所述操作还包括：基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围。

在示例19中，根据示例18所述的主题包括：其中，基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的所述操作包括：基于根据所述多个检测模型中的第一检测模型和所述多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围。

在示例20中，根据示例18-19所述的主题包括：其中，基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的所述操作包括基于以下之一来确定所述不确定性范围：所述多个检测模型中的一个检测模型的最高可能概率，或者所述多个检测模型中的所述一个检测模型的范围。

在示例21中，根据示例15-20所述的主题包括：其中，所述操作包括：基于光子计数在所述定义的不确定性范围内的实例的比率来调整所述不确定性范围的大小。

示例22是一种用于通过光通信路径接收复用数据的设备，所述设备包括：用于生成与第一和第二数据流的各自多个比特位置相对应的多个光子计数的单元，所述第一和第二数据流是通过一个或多个光源的选择性激活而发送的；用于确定所述多个光子计数中与第一比特位置相对应的第一光子计数在多个检测模型的定义的不确定性范围内的单元；用于响应于确定所述第一光子计数在所述定义的不确定性范围内，通过使用所述多个检测模型从每个对应光子计数分配所述第一和第二比特流中的值，为所述多个比特位置中除所述第一比特位置之外的每个比特位置确定比特值分配的单元；以及用于使用应用于针对所述第一和第二数据流的所述多个比特位置的确定的比特值分配的纠错码(ECC)过程，针对所述第一和第二数据流生成与所述第一比特位置相对应的值的单元。

在示例23中，根据示例22所述的主题包括：用于基于所述ECC的定义的能力来确定所述不确定性范围的单元。

在示例24中，根据示例23所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下ECC能够纠正的丢失比特的数量，并且其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例25中，根据示例22-24所述的主题包括：用于基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的单元。

在示例26中，根据示例25所述的主题包括：其中，用于基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的所述单元包括：用于基于根据所述多个检测模型中的第一检测模型和所述多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围的单元。

在示例27中，根据示例25-26所述的主题包括：其中，用于基于所述多个检测模型中的至少一个检测模型的特性来确定所述不确定性范围的所述单元包括：用于基于以下之一来确定所述不确定性范围的单元：所述多个检测模型中的一个检测模型的最高可能概率，或者所述多个检测模型中的所述一个检测模型的范围。

在示例28中，根据示例22-27所述的主题包括：用于基于光子计数在所述定义的不确定性范围内的实例的比率来调整所述不确定性范围的大小的单元。

示例29是一种用于通过光通信路径接收数据的方法，所述方法包括：使用接收机处的硬件处理器：确定由发射机处的光源产生的光子的光子计数在定义的不确定性范围内；响应于确定所述光子计数在所述定义的不确定性范围内，在解复用操作期间避免使用所述光子计数将任何比特分配给第一和第二数据流中的第一比特位置；以及使用应用于所述第一和第二数据流的其他比特的纠错码(ECC)，确定针对所述第一和第二数据流的第一比特位置的比特分配。

在示例30中，根据示例29所述的主题包括：基于所述ECC的定义的能力来确定所述不确定性范围。

在示例31中，根据示例30所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下所述ECC能够纠正的丢失比特的数量。

在示例32中，根据示例31所述的主题包括，其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例33中，根据示例29-32所述的主题包括：基于用于将所述光子计数解复用为针对所述第一和第二数据流的比特分配的一个或多个检测模型的特性来确定所述不确定性范围。

在示例34中，根据示例33所述的主题包括：其中，基于所述一个或多个检测模型的特性来确定所述不确定性范围包括：基于根据所述一个或多个检测模型中的第一检测模型和所述一个或多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围。

在示例35中，根据示例33-34所述的主题包括：其中，所述一个或多个检测模型的所述特性包括下列中的一项：所述一个或多个检测模型的最高可能概率，或者所述一个或多个检测模型的范围。

在示例36中，根据示例29-35所述的主题包括：基于一种或多种检测模型的特性并且基于所述ECC的定义的能力来确定所述不确定性范围。

在示例37中，根据示例29-36所述的主题包括：其中，所述不确定性范围的大小是固定的。

在示例38中，根据示例29-37所述的主题包括：其中，所述不确定性范围的大小是响应于所述ECC的能力或者一个或多个检测模型的特性中的一项的变化而动态更新的。

示例39是一种用于通过光通信路径接收数据的设备，所述设备包括：硬件处理器；存储器，其存储有指令，当由所述处理器执行时，所述指令使所述设备执行包括下列各项的操作：确定由发射机处的光源产生的光子的光子计数在定义的不确定性范围内；响应于确定所述光子计数在所述定义的不确定性范围内，在解复用操作期间避免使用所述光子计数将任何比特分配给第一和第二数据流中的第一比特位置；以及使用应用于所述第一和第二数据流的其他比特的纠错码(ECC)，确定针对所述第一和第二数据流的第一比特位置的比特分配。

在示例40中，根据示例39所述的主题包括：其中，所述操作还包括：基于所述ECC的定义的能力来确定所述不确定性范围。

在示例41中，根据示例40所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下所述ECC能够纠正的丢失比特的数量。

在示例42中，根据示例41所述的主题包括，其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例43中，根据示例39-42所述的主题包括：其中，所述操作还包括：基于用于将所述光子计数解复用为针对所述第一和第二数据流的比特分配的一个或多个检测模型的特性来确定所述不确定性范围。

在示例44中，根据示例43所述的主题包括：其中，基于所述一个或多个检测模型的特性来确定所述不确定性范围的所述操作包括：基于根据所述一个或多个检测模型中的第一检测模型和所述一个或多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围。

在示例45中，根据示例43-44所述的主题包括：其中，所述一个或多个检测模型的所述特性包括下列中的一项：所述一个或多个检测模型的最高可能概率，或者所述一个或多个检测模型的范围。

在示例46中，根据示例39-45所述的主题包括：其中，所述操作还包括：基于一个或多个检测模型的特性并且基于所述ECC的定义的能力来确定所述不确定性范围。

在示例47中，根据示例39-46所述的主题包括：其中，所述不确定性范围的大小是固定的。

在示例48中，根据示例39-47所述的主题包括：其中，所述不确定性范围的大小是响应于所述ECC的能力或者一个或多个检测模型的特性中的一项的变化而动态更新的。

示例49是一种存储用于通过光通信路径接收数据的指令的机器可读介质，当由机器执行时，所述指令使所述机器执行包括下列各项的操作：确定由发射机处的光源产生的光子的光子计数在定义的不确定性范围内；响应于确定所述光子计数在所述定义的不确定性范围内，在解复用操作期间避免使用所述光子计数将任何比特分配给第一和第二数据流中的第一比特位置；以及使用应用于所述第一和第二数据流的其他比特的纠错码(ECC)，确定针对所述第一和第二数据流的第一比特位置的比特分配。

在示例50中，根据示例49所述的主题包括：其中，所述操作还包括：基于所述ECC的定义的能力来确定所述不确定性范围。

在示例51中，根据示例50所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下ECC能够纠正的丢失比特的数量。

在示例52中，根据示例51所述的主题包括，其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例53中，根据示例49-52所述的主题包括：其中，所述操作还包括：基于用于将所述光子计数解复用为针对所述第一和第二数据流的比特分配的一个或多个检测模型的特性来确定所述不确定性范围。

在示例54中，根据所述示例53的主题包括，其中，基于所述一个或多个检测模型的特性来确定所述不确定性范围的所述操作包括：基于根据所述一个或多个检测模型中的第一检测模型和所述一个或多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围。

在示例55中，根据示例53-54所述的主题包括：其中，所述一个或多个检测模型的所述特性包括下列中的一项：所述一个或多个检测模型的最高可能概率，或者所述一个或多个检测模型的范围。

在示例56中，根据示例49-55所述的主题包括：其中，所述操作还包括：基于一个或多个检测模型的特性并且基于所述ECC的定义的能力来确定所述不确定性范围。

在示例57中，根据示例49-56所述的主题包括：其中，所述不确定性范围的大小是固定的。

在示例58中，根据示例49-57所述的主题包括：其中，所述不确定性范围的大小是响应于所述ECC的能力或者一个或多个检测模型的特性中的一项的变化而动态更新的。

示例59是一种用于通过光通信路径接收数据的设备，所述方法包括：用于确定由发射机处的光源产生的光子的光子计数在定义的不确定性范围内的单元；用于响应于确定所述光子计数在所述定义的不确定性范围内，在解复用操作期间避免使用所述光子计数将任何比特分配给第一和第二数据流中的第一比特位置的单元；以及用于使用应用于所述第一和第二数据流的其他比特的纠错码(ECC)，确定针对所述第一和第二数据流的第一比特位置的比特分配的单元。

在示例60中，根据示例59所述的主题包括：用于基于所述ECC的定义的能力来确定所述不确定性范围的单元。

在示例61中，根据示例60所述的主题包括，其中，所述ECC的所述定义的能力包括在不触发重传请求的情况下ECC能够纠正的丢失比特的数量。

在示例62中，根据示例61所述的主题包括，其中，所述ECC能够纠正的丢失比特越多，所述不确定性范围的大小越大。

在示例63中，根据示例59-62所述的主题包括：用于基于用于将所述光子计数解复用为针对所述第一和第二数据流的比特分配的一个或多个检测模型的特性来确定所述不确定性范围的单元。

在示例64中，根据示例63所述的主题包括：其中，用于基于所述一个或多个检测模型的特性来确定所述不确定性范围的所述单元包括：用于基于根据所述一个或多个检测模型中的第一检测模型和所述一个或多个检测模型中的第二检测模型确定产生大于阈值概率差的概率差的多个光子计数来确定所述不确定性范围的单元。

在示例65中，根据示例63-64所述的主题包括：其中，所述一个或多个检测模型的所述特性包括下列中的一项：所述一个或多个检测模型的最高可能概率，或者所述一个或多个检测模型的范围。

在示例66中，根据示例59-65所述的主题包括：用于基于一个或多个检测模型的特性并且基于所述ECC的定义的能力来确定所述不确定性范围的单元。

在示例67中，根据示例59-66所述的主题包括：其中，所述不确定性范围的大小是固定的。

在示例68中，根据示例59-67所述的主题包括：其中，所述不确定性范围的大小是响应于所述ECC的能力或者一个或多个检测模型的特性中的一项的变化而动态更新的。

示例69是至少一种机器可读介质，其包括指令，所述指令在由处理电路执行时使所述处理电路执行操作以实现示例1-68中的任何一个示例。

示例70是一种包括用于实现示例1-68中的任何一个示例的单元的装置。

示例71是一种用于实现示例1-68中的任何一个示例的系统。

示例72是一种用于实现示例1-68中的任何一个示例的方法。