[发明专利]基于误码率的色散估计方法及装置

说明书

本发明公开了一种基于误码率的色散估计方法，从初始色散值开始以不同色散值扫描步长依次计算光纤链路中误码率值，获取色散值与误码率值的对应拟合关系，最终利用提出的快速搜索算法得到链路色散估计值的最优解。本发明同时还公开了一种基于误码率的色散估计装置，包括光纤信号性能监测单元、可调色散补偿单元和计算单元，能够根据本发明的基于误码率的色散估计方法动态快速调整光纤链路的补偿色散值，对光纤链路进行信号采样，提供链路色散估计值的强大计算资源，最终获得光纤链路色散估计精确值。

技术领域

本发明涉及光纤通信传输中的色散测量，尤其涉及一种基于误码率的色散估计方法及装置。

背景技术

随着大数据、物联网、云计算技术的进一步发展，人们对数据传输需求的不断提高，光纤传输系统的传输距离不断增加，传输容量也不断加大。在光纤通信系统中，色散是衡量光纤传输链路质量的一个重要参数，当光纤链路中存在一定色散时，系统的误码率将变高。随着光纤通信系统向着高速率和大容量的进一步发展，色散对光纤链路传输质量影响越来越大，因此能够精确和快速估计光纤通信系统中的色散值，对于实现色散的精确补偿和智能光纤可靠通信具有重要意义。

现有的色散估计算法主要有基于频域代价函数的色散搜索算法、基于FFT实现的支持不同采样率的通用色散估计算法。其中，基于频域代价函数的色散搜索算法存在随着色散传输距离范围增大，而所需硬件设备复杂不断增加的缺陷；基于FFT实现的支持不同采样率的通用色散估计算法是在基于频域色散估计算法的基础上采用改进的频域代价函数来实现，适用于具有较高采样率硬件条件情况。而基于低速率采样技术下的色散估计算法又有如基于分数阶傅里叶变换的盲色散估计算法，但求分数阶傅里叶变换过程复杂，对逻辑计算资源要求高且计算估计时间长。而采用神经网络的色散估计算法，虽然可以直接使用训练好的神经网络模型进行色散估计，但是需要提前知道光纤链路的信号训练数据集，在光纤链路改变的情况下，不能够灵活动态的对色散进行快速估计。

发明内容

针对现有色散估计技术普遍存在的估计算法效能低、耗费时间长、估计精度不高、估计装置复杂等问题，本发明提供一种基于误码率的色散估计方法及装置，根据色散与误码率的对应关系快速估算光纤传输中链路的色散值。

本发明提出的技术方案为：一种基于误码率的色散估计方法，包括以下步骤：

1)获取上一次计算参数，根据上一次计算参数中的上一次色散值D_i-1、上一次色散值扫描步长和上一次记录的风向标Flag的值计算得到当前色散值D_i，根据上一次记录的风向标Flag的值，将上一次色散值D_i-1加或减上一次色散值扫描步长的值得到当前色散值D_i；

2)以当前色散值D_i对光纤链路进行色散补偿，获取光纤链路中预设时间内的总的接收信号数据量值N_i和误码量值Ne_i，并根据总的接收数据量值N_i和误码量值Ne_i计算得到当前色散值D_i对应的当前误码率值Pe_i；

3)根据当前色散值D_i、当前误码率值Pe_i、上一次计算参数中的上一次记录的色散基准值D_base和上一次误码率值Pe_i-1更新风向标Flag的值并记录；

4)根据当前误码率值Pe_i和上一次计算参数中上一次记录的误码率基准值Pe_base的差值，然后计算所述差值与上一次记录的误码率基准值Pe_base的比值的绝对值，最后将所述绝对值和上一次记录的色散基准值D_base相乘，得到当前色散值扫描步长