[发明专利]基于SVM训练的权重系数迁移的改进Volterra滤波器的均衡方法

说明书

本发明涉及基于SVM训练的权重系数迁移的改进Volterra滤波器的均衡方法，包括：S1、经过光纤传输的光信号经过解调后，从接收端的接收信号中提取训练序列；S2、根据Volterra滤波器的结构为训练序列构建特征向量，并构建训练集；S3、将训练集输入SVM训练器，通过计算得到最优超平面；S4、提取最优超平面的法向量作为权重系数，并将其迁移至Volterra滤波器中作为抽头系数；S5、将待测信号序列输入S4的Volterra滤波器，并对Volterra滤波器的输出进行判决以实现信道均衡。本发明将最优超平面的法向量迁移至Volterra滤波器，无需自适应算法更新滤波器的抽头系数，降低计算复杂度。

技术领域

本发明属于光通信技术领域，具体涉及基于SVM训练的权重系数迁移的改进Volterra滤波器的均衡方法，应用于高速光纤传输系统。

背景技术

近年来，随着智能手持终端设备、超高清视频电视、大数据云存储、云计算以及虚拟现实等新兴业务和设备的不断涌现，用户侧各类终端设备的接入带宽需求不断增长，同时增加了光纤接入网和数据中心等短距离光纤通信系统接入端的压力。这对光纤传输系统在带宽、网络容量、业务支撑能力及整体性能等方面提出了新的要求。因此，在提高传输容量的同时还要兼顾系统成本和复杂度，基于低带宽器件和低成本的强度调制/直接检测(IM/DD)传输技术是首选方案。其中，面向光通信系统应用的直接调制激光器(DML)具有结构简单、部署成本低等优势，成为当前调制器件中的主流选择。此外，PAM-4由于其较高的频谱效率且复杂度较低，已被IEEE P802.3bs任务组选为400G以太网的标准格式。然而，基于DML的光纤传输系统面临着来自带宽限制引起的码间串扰和频率啁啾与光纤色散相互作用导致的严重非线性损伤两大挑战。因此，需要对信号损伤进行补偿和均衡处理。

研究表明，现有均衡方案以解决带限器件引起的码间干扰为主。其中，均衡技术可以分为基于数字信号处理(DSP)以及新兴的机器学习算法。而传统电信号的均衡方案主要基于前馈均衡器(FFE)和判决反馈均衡器(DFE)进行改进，但该种方案所需训练序列较长，一定程度上降低了有效信息率，运算复杂度较高，且在失真严重的信道中性能有限。而基于机器学习的均衡算法虽然在消除信号码间干扰有一定作用，但在系统实现成本、算法性能有效性以及计算复杂度等方面存在一定的缺陷。此外，这些方案难以均衡基于DML的光传输系统中的非线性损伤，如啁啾与色散相互作用引起的频率衰落、信号与信号间的拍频干扰以及光纤非线性等。

因此，为了消除基于DML的光纤通信系统中的非线性失真，现已有一些均衡方案。其中，应用较多的是基于Volterra滤波器的均衡器(VE)，但其受限于系统的实现难度和计算复杂度，特别是二阶及三阶VE需要几十乃至几百抽头，才能达到令人满意的性能，大大提高了系统的实现复杂度。而目前已有的基于机器学习算法用于DML啁啾效应及非线性干扰的性能提升方面的方案较少。因此，需要探索新型高效的算法及突破性技术，保证算法低复杂度的同时消除带宽限制导致的线性效应及啁啾引起的非线性效应，以进一步提高短距离光纤通信系统的频谱效率、增强抗色散能力、提高接收机灵敏度、扩展传输容量。

发明内容

针对现有技术中的缺陷，本发明提供了基于SVM训练的权重系数迁移的改进Volterra均衡器的均衡方法。

为了实现本发明的发明目的，本发明采取如下技术方案：

基于SVM训练的权重系数迁移的改进Volterra滤波器的均衡方法，应用于高速光纤传输系统，所述均衡方法包括以下步骤：

S1、经过光纤传输的光信号经过解调后，从接收端的接收信号中提取训练序列；

S2、根据Volterra滤波器的结构为训练序列构建特征向量，并构建训练集；

S3、将训练集输入SVM训练器，通过计算得到最优超平面；

S4、提取最优超平面的法向量作为权重系数，并将其迁移至Volterra滤波器中作为抽头系数；