[发明专利]用于64-QAM相干光传输系统的缓和光纤非线性方法

说明书

本发明涉及本发明公开了一种用于64‑QAM相干光传输系统缓和光纤非线性的方法，对接收到的64‑QAM数据进行处理。首先将接收到的数据集分成64个簇，找到64个簇中心，并且找到每个数据点属于的簇。本次发明的k‑means SVM算法是一种全局最优泛化算法，利用简单结构的k‑means算法对无噪声信号点进行分类，然后应用SVM分类器来缓和失真信号。在所提出的方法中，我们利用k‑means聚类算法对无噪声64‑QAM信号进行分类，从而减少支持向量的数量，以节省SVM分类器的实现时间。同时，我们使用SVM分类器进行噪声泛化，以提高损伤信号的性能。本发明能够快速和准确地选取出k‑means聚类的全局最优质心，并且很好地缓和了光纤中克尔非线性的影响，同时得到与SVM算法差不多的误码率性能。

技术领域

本发明涉及通信技术领域，特别是涉及用于64-QAM相干光传输系统的缓和光纤非线性方法。

背景技术

为了适应网络流量的高涨，数字相干光通信技术得到了广泛的研究和应用。相干光通信使得能够采用具有高频谱效率的高阶调制格式，例如M元相移键控(M-PSK)和M元正交幅度调制(M-QAM)，以增加传输容量[1]。然而，具有更多星座点和相邻符号之间欧几里德距离更短的高阶调制64-QAM信号更容易受到系统损伤的影响，例如光纤克尔非线性和放大自发辐射噪声[2]。此外，光纤克尔非线性作为非线性效应之一是高阶调制长距离相干光传输系统的主要障碍。更高的信号功率进入光纤提供更大的光信噪比(OSNR)，但同时引起更大的非线性，这严重恶化了系统性能。

因此，研究光纤克尔非线性和非线性补偿技术是重要的。为了补偿光纤非线性，已经提出了许多数字信号处理(DSP)算法，如数字反向传播(DBP)，支持向量机(SVM)等。DBP利用数字域中的反向传播算法，基于分步傅立叶方法求解光纤链路的反向非线性薛定方程，并从接收信号中计算发射信号。虽然基于DBP的光纤非线性补偿技术是有效的，但在实际操作过程中，大量的迭代形成了很高的复杂度。SVM具有合适的内核函数，是最受欢迎的机器学习算法之一。它可以精确地对符号进行分类，并已被引入到相干光通信系统中，以减轻光纤克尔非线性并有效提高误码率(BER)性能[3，4]。

然而，SVM算法仍然存在一些缺点。SVM算法的复杂度也比较高，对于64-QAM信号，需要6个SVM分类器。随着调制阶数的增加，将要求更多的支持向量机和更长的训练序列。另外，SVM二次规划通过计算m阶矩阵来求解支持向量(m是采样数)[5]。对于较大的采样数据，存储和计算较大矩阵将需要更长的时间。因此，大规模的训练数据总是导致SVM的实施时间更长。因此，研究新的算法对于降低计算复杂度以缓和光纤非线性引起的信号损伤来说是非常重要的。

参考文献：

[1]K.Kikuchi，“Fundamentals of Coherent Optical Fiber Communications，”J.Lightwave Technol.34(1)，157-179(2016).

[2]T.Rahman，D.Rafique，B.Spinnler，S.Calabr`o，E.d.Man，U.Feiste，A.Napoli，M.Bohn，G.Khanna，N.Hanik，E.Pincemin，C.L.Bou<sup>··</sup>ett′e，J.Jauffrit，S.Bordais，C.Andr′e，C.Dourthe，B.Ragu′en`es，C.M.Okonkwo，A.M.J.Koonen，andH.d.Waardt，“Long-Haul Transmission of PM-16QAM-，PM-32QAM-，and PM-64QAM-BasedTerabit Superchannels Over a Field Deployed Legacy Fiber，”J.LightwaveTechnol.34(13)，3071-3079(2016).