[发明专利]一种基于神经网络的光纤通信系统性能评估方法

说明书

本发明公开了一种基于神经网络的光纤通信系统性能评估方法，应用于单跨段超长跨距光纤通信系统以及多跨段光纤通信系统的性能评估。该方法与现有基于功率、信噪比和色散的系统性能方法相比，具有更高的准确度；与现有基于分布傅里叶方法的光纤仿真算法相比，具有计算复杂度低，评估过程迅速的优点。该方法选择光纤收发模块的性能指标，采用两级人工神经网络和一级模糊神经网络对光纤链路中各部分指标的影响进行评估，最后输出系统的接收端光信噪比、Q因子和误码率反映接收端信号质量的参数。使用该方法，可以有效降低光纤通信系统准确建模的成本，为光纤通信系统的设计优化、系统运行监测、故障分析与维护等提供便利，提高系统的安全性和可靠性。

技术领域

本发明涉及光纤通信领域，更具体地说，涉及一种基于神经网络的光纤通信系统性能评估方法。

背景技术

随着光纤通信技术的发展，对光纤通信系统仿真分析的需求越来越高，良好的仿真分析方法能够准确地评估光纤链路的性能，为光纤系统的优化设计、运行维护提供便利。

现有的光纤系统性能评估方法一般可以分为两类。第一类是基于功率、信噪比和色散的线性评估方法，该方法根据发射端光功率、链路损耗、放大器增益等计算接收端光功率，根据光纤色散和其他色散器件参数计算链路残余色散，根据发射端信噪比、放大器噪声指数和接收机灵敏度计算接收端信噪比。这类方法的优点是操作简单，仅需要简单的加法和乘法就可以对系统的性能进行评估；缺点是该方法没有考虑光纤非线性效应的影响，也没有功率、色散、信噪比和非线性效应等因素之间的相互影响，因此准确度较差，系统设计时必须留有一定的余量，才能保证系统的运行，且发生故障时，无法进行快速有效的故障分析。第二类是基于非线性薛定谔方程的传输模型评估方法，该方法通过分步傅里叶方法或者有限元分析的方法求解光信号在光纤中传输的非线性薛定谔方程来对接收端光场进行分析，进而获得接收信号的质量。这类方法的优点是可以对系统进行准确的建模，评估系统的性能；缺点是该方法的计算量很大，特别是对于波分复用的光纤通信系统，完成一次仿真分析需要进行大量的计算，花费过多的时间。

神经网络算法是一种能够有效处理非线性问题的工具，因此，我们提出了一种基于神经网络算法光纤通信系统性能评估方法。通过神经网络模型的选择和足够的样本训练，该方法可以以较低的计算复杂度实现准确的光纤系统性能评估。

发明内容

针对现有技术的缺陷，本发明的目的在于提出了一种基于神经网络的光纤通信系统性能评估方法，旨在解决现有光纤系统性能评估计算复杂的问题。

为实现上述目的，本发明提供了一种基于神经网络的光纤通信系统性能评估方法，该方法包括以下步骤：

步骤1，选取光纤链路的配置信息作为神经网络算法的输入，这些配置参数可以分为五个部分，第一部分是光发射机的性能参数，具体包括发射端激光器的波长和线宽、发射信号的调制格式与波特率、信噪比(也可以为Q因子，增加输入消光比可以提高评估的准确度)、发射光功率，该部分参数可以建立数据库，通过选择数据库，算法自动调用相关参数指标；第二部分是传输光纤的性能参数，包括系统中采用的光纤类型和长度，以及多段光纤的连接顺序，该部分需要建立传输光纤类型的数据库，指定光纤类型，算法自动调用光纤的损耗、色散和非线性参数；第三部分是光放大器的参数，包括输入和输出光功率、放大器的增益和噪声指数；对于拉曼放大器如果给出泵浦光功率，将有助于提高算法的精确度；第四部分是光接收机的性能参数，主要包括接收机类型(直接检测或者相干检测)、接收机灵敏度以及接收机数字信号处理算法增益；第五部分是光纤链路中采用的其他光学元器件的性能参数，例如色散补偿模块、光衰减器、光环形器、波长选择开关等元器件的主要指标。

步骤2，光纤链路配置信息输入到第一级神经网络中，第一级神经网络对配置进行初步分类聚合，获得与链路性能密切相关的次级参量，这些参量可以分为五簇：信号功率相关参量簇，线性噪声相关参量簇，累积色散相关参量簇，非弹性散射效应(主要为布里渊散射)相关参量簇，克尔效应(主要包括自相位调制、交叉相位调制以及四波混频效应)相关参量簇，第一级神经网络主要作用是实现输入信息的分类。