[发明专利]一种适用于高速相干偏振复用系统的非线性损伤补偿方法

说明书

本发明公开了一种适用于高速相干偏振复用系统的非线性损伤补偿方法，利用标签传播算法(LPA)能够产生非线性判决边界的特性对接收到的符号进行重新判决，以达到补偿非线性损伤的目的。在接收端的数字信号处理流程中，根据m阶正交幅度调制格式确定m个标准星座点的坐标，并赋予唯一的标签，设置载波相位恢复模块输出数据为无标签数据，根据预设的视野半径查看周围数据的标签情况，并按照多数原则实时改变自身标签状态，经过数次迭代后，所有的无标签数据均被赋予唯一的标签，最终根据重新分类的结果进行反映射和误码率的计算。通过仿真和实验的双重验证，本发明对在高速相干偏振复用系统中，多种调制格式在不同距离的非线性损伤均有显著的补偿效果。

技术领域

本发明涉及光纤通信技术领域，具体涉及一种适用于高速相干偏振复用系统的非线性损伤补偿方法。

背景技术

光纤通信被认为是网络信息传输的基石，承载了超过90％的全球数据通信，而全球信息流量目前还以每年60％的速率爆发式增长，已经远超光纤通信系统传输容量的增长速度，所以进一步提高光纤通信系统的容量迫在眉睫。对于光纤信道而言，影响系统容量的不利因素既有线性损伤也有非线性损伤。线性损伤主要包括光纤损耗、色散和偏振损伤等，这些损伤已利用掺铒光纤放大器(Erbium-doped Fiber Amplifier,EDFA)、频域色散补偿、偏振解复用及线性均衡等技术实现了较好补偿。在非线性损伤中，光纤Kerr非线性效应被认为是影响当前高速相干光纤通信系统性能的主要障碍。为获得光纤链路较好的光信噪比(Optical Signal-to-Noise Ratio,OSNR)，需要提高入纤光功率，而这引起了较强的光纤非线性效应，导致信号相位的严重失真或新频率分量的产生，极大影响了系统的传输距离和容量。因此，进行光纤非线性损伤补偿非常必要，这也引起了很多学者的关注与兴趣。

目前的非线性损伤补偿方案可以分为两类：基于数字反向传播(Digital backpropagation,DBP)的非线性损伤补偿方案和基于机器学习的非线性损伤补偿方案，基于DBP的补偿方案虽然具有优秀的补偿性能，但是其过程涉及大量的傅里叶变换和逆傅里叶变换(Fourier Fast Transform/Inverse Fast Fourier Transform,FFT/IFFT)，计算复杂度非常高，现实场景中的硬件设备难以达到要求。而基于机器学习的非线性损伤补偿方案又可以进一步分3种：神经网络(Neural Network,NN)方案、支持向量机(Support VectorMachine,SVM)方案和无监督聚类方案。其中，基于神经网络的补偿方案具有强大的学习能力，但是会出现过拟合的问题；基于支持向量机的补偿方案具有很好的分类数据能力，但是应对高阶调制格式分类时，需要多个二元分类器，复杂度较高。由于无监督聚类可被看作全盲方案，不需要训练数据，减小了对信号容量的限制，而且是一种基于最大似然的判决方法，因此可以直接用于非线性补偿，相对于其他几类方案更具有优势。

从专利检索情况来说，发明专利“一种隐式三元组神经网络及光纤非线性损伤均衡器”(申请号202010710931.6)，利用接收符号中提取的特征送入隐式三元组神经网络，选取最优隐式三元组神经网络进行非线性损伤均衡。该发明可以达到DBP方案的补偿性能，但是需要额外大量数据来训练网络。发明专利“一种补偿光纤传输非线性损伤的自适应数字信号处理算法”(申请号201610043746.X)，利用信号的强度方差来估计最佳的非线性系数，并将最佳应用在DBP算法中。该发明仍旧使用传统的DBP算法，涉及大量的FFT/IFFT运算，复杂度高。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”(申请号201711059737.0)，首先对K-means算法进行改进，利用密度参数确定最佳质心，利用最佳质心对数据重新分类。该方法需要迭代的计算每个数据点之间的距离，计算量过大。

发明内容

针对现有技术中的上述不足，本发明提供的适用于高速相干偏振复用系统的非线性损伤补偿方法解决了现有的非线性损伤补偿过程复杂，补偿效果不理想的问题。