[发明专利]一种无源光网络上行传输接收端解调方法

说明书

本发明公开了一种无源光网络上行传输接收端解调方法，包括以下步骤：步骤1：构建全连接神经网络；步骤2：获取数据发射单元发出的信号和原始发送数据作为训练数据集，对模型进行训练；步骤3：将接收到的数据输入步骤2训练完成后的模型中，得到原始数据信号；本发明采用深度学习神经网络模型实现信道估计和解调，可以有效提供接收机灵敏度，尤其针对高阶调制和远距离传输的情况；可根据调制格式和距离自适应进行解调，增加了系统的灵活性，可有效解决传统方案的低速和低频谱效率的问题。

技术领域

本发明涉及光通信技术领域，具体涉及一种无源光网络上行传输接收端解调方法。

背景技术

光纤通信技术已成为现代通信的主要支柱之一，在现代电信网中起着举足轻重的作用；其近年来发展速度之快、应用面之广是通信史上罕见的，也是世界新技术革命的重要标志和未来信息社会中各种信息的主要传送工具。光纤即为光导纤维的简称。光纤通信是以光波作为信息载体，以光纤作为传输媒介的一种通信方式。近年来，由于光纤的大量铺设和波分复用等新技术的应用，使得主干光纤网络在几年之内已经有了突破性的发展。同时由于以太网技术的进步，由其主导的局域网带宽也从10M、100M到1G甚至10G。而目前大家关注，最需要突破的地方就在于连接网络主干和局域网以及家庭用户之间的一段。这就是常说的“最后一公里”，这是个瓶颈。必须打破这个瓶颈，才可能迎来网络世界的新天地。人们迫切需要一种经济、简单、易升级、能够综合传输语音、数字和视频业务的新的接入网络技术。在各种技术中，无源光网络(PON)技术获得了广泛的关注。

PON网络的突出优点是消除了户外的有源设备，所有的信号处理功能均在交换机和用户宅内设备完成。而且这种接入方式的前提投资小，大部分资金要推迟到用户真正接入时才投入。它的传输距离比有源光纤接入系统的短，覆盖的范围较小，但它造价低，无须另设机房，维护容易。因此这种结构可以经济地为居家用户服务。

目前PON技术主要采用异步转移模式(ATM)的无源光网络APON、以太网无源光网络(EPON)、千兆比特无源光网络(GPON)和波分复用无源光网络(WDM-PON)，基于正交频分复用无源光网络(OFDMA-PON)等几种。其主要差异在于采用了不同的传输技术。其中，前三种PON技术都是基于时分复用的，而WDM-PON和OFDMA-PON是基于波分复用和频分复用的。对于传统的TDM-PON，一般采用OOK调制。传统的OOK调制在接收端通过阈值判决方法恢复发射端的信号，单一的采样点信息决定了接收机灵敏度。自2007年以来，学术界开始将新型的数字信号处理技术引入到PON中，这样可以有效的提高频谱效率，降低信道损伤的影响。而基于成熟数字处理技术的OFDM方法在接收端可以通过接收信号的多个采样点和多维信息(幅度，相位)来有效的提高接收机灵敏度。在高速传输情况下，数字信号处理的方法可以通过与高阶调制技术结合，在带宽有限的光电器件上实现更高容量传输。采用数字信号处理技术，除了在性能上增强之外，还可以通过FFT/IFFT等模块提高计算效率，并将光器件的成本压力向电器件转移。数字信号处理技术还可以有效地进行信道补偿，信道补偿的方法是采用训练序列进行估计。基于LS、MMSE或者其改进算法进行信道损伤补偿，但这种传统方法在调制阶数较高或者信道复杂的时候，也难以有效地补偿信道损伤。近年来人工智能特别是深度学习在计算机视觉、自然语言处理、语音识别等领域获得了巨大成功。通信领域的研究者们也开始关注到其在本领域的优势，当前已有大量的研究成果应用于应用层和网络层进行资源管理和分配等领域。在MAC层和物理层也开始出现传输与深度学习相结合的趋势。

发明内容

本发明为了解决现有技术存在的问题提出一种将深度学习用于PON中的信道估计和信号检测的无源光网络上行传输接收端解调方法。

本发明采用的技术方案是：一种无源光网络上行传输接收端解调方法，包括以下步骤：

步骤1：构建全连接神经网络；

步骤2：获取数据发射单元发出的信号和原始发送数据作为训练数据集，对模型进行训练；