多維光纖通信系統(tǒng)性能監(jiān)測技術(shù)

蔣 林，易安林，盤 艷，閆連山，潘 煒，羅 斌

西南交通大學(xué)信息光子與通信研究中心，成都611756

隨著智能世界的到來，物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、云計算、5G 等多種新興技術(shù)為用戶帶來了極致的體驗，同時也使網(wǎng)絡(luò)數(shù)據(jù)流量呈現(xiàn)爆發(fā)式增長趨勢. 為滿足海量數(shù)據(jù)的傳輸需求，將新型多維復(fù)用技術(shù)與多維調(diào)制格式相結(jié)合，能實現(xiàn)超高速、大容量光纖傳輸系統(tǒng)的目標(biāo)，但隨之而來的是系統(tǒng)對鏈路中各種線性損傷以及非線性損傷的容忍度急劇下降，致使系統(tǒng)的傳輸性能和傳輸可靠性嚴(yán)重降低[1]. 此外，“寬帶中國”和“一帶一路”等國家戰(zhàn)略的實施，加快了中國及沿線各國信息基礎(chǔ)設(shè)施（海底/陸地光纜）建設(shè)的速度. 光信號在鏈路傳輸過程中會受到由光纖、放大器、網(wǎng)絡(luò)節(jié)點器件等引入的鏈路內(nèi)部損傷，也可能受到由山體滑坡、雷擊、地震以及第3 方有意挖掘破壞光纜等引入的鏈路外部損傷，這些情況都將嚴(yán)重影響正常的通信傳輸，大大降低通信傳輸質(zhì)量（quality of transmission, QoT）乃至造成網(wǎng)絡(luò)通信服務(wù)中斷[2]. 因此，為保障光纖傳送網(wǎng)能安全可靠地運行，需要對光纖傳輸系統(tǒng)中多個關(guān)鍵鏈路參量進行監(jiān)測. 對于未來體系架構(gòu)更為復(fù)雜的光纖傳送網(wǎng)，采用性能監(jiān)測技術(shù)具有以下優(yōu)點：1）為網(wǎng)絡(luò)管理系統(tǒng)提供信息來源和管理依據(jù)；2）有效診斷信號劣化來源，為損傷補償提供反饋信息；3）實時反映光網(wǎng)絡(luò)物理狀況，為QoT 評估提供數(shù)據(jù)參考；4）動態(tài)輔助網(wǎng)絡(luò)控制層，實現(xiàn)鏈路物理資源優(yōu)化配置.

光纖傳送網(wǎng)架構(gòu)如圖1 所示，信號從源節(jié)點A經(jīng)歷多個中間節(jié)點B/E傳輸?shù)侥康墓?jié)點F.在傳輸過程中，信號會受到多種鏈路內(nèi)外損傷效應(yīng)的影響，其中包括色散效應(yīng)（chromatic dispersion, CD）、非線性損傷、光信噪比（optical signal noise ratio, OSNR）、調(diào)制格式（modulation format, MF）、偏振模色散（polarization mode dispersion, PMD）、偏振相關(guān)損耗（polarization dependent loss, PDL）、放大器自發(fā)輻射（amplifier spontaneous emission,ASE）噪聲、比特率（bit rate, BR）、非法入侵事件等. 這些損傷參量是目前影響系統(tǒng)性能的關(guān)鍵性因素. 在多維光纖通信系統(tǒng)中，借助性能監(jiān)測技術(shù)實現(xiàn)鏈路多種損傷參量的監(jiān)測與預(yù)警將具有重要意義. 目前，性能監(jiān)測方面的研究工作主要集中在單個損傷參量監(jiān)測以及少數(shù)損傷參量的聯(lián)合監(jiān)測. 為保障未來動態(tài)的、結(jié)構(gòu)復(fù)雜的、受多種損傷參量影響的光纖傳送網(wǎng)安全運行，性能監(jiān)測技術(shù)將朝著精細(xì)化、一體化、多參量聯(lián)合監(jiān)測方向發(fā)展. 本文旨在總結(jié)性能監(jiān)測技術(shù)的研究現(xiàn)狀，并將重點討論色散參量監(jiān)測、非線性參量監(jiān)測、調(diào)制格式參量監(jiān)測等技術(shù)的研究現(xiàn)狀和經(jīng)典案例，隨后討論并分析多維光纖通信系統(tǒng)性能監(jiān)測技術(shù)的發(fā)展趨勢.

圖1 光纖傳送網(wǎng)中影響系統(tǒng)性能的幾個關(guān)鍵參量Figure 1 Several key parameters affecting system performance in optical fiber transmission network

1 色散參量監(jiān)測技術(shù)

1.1 色散參量監(jiān)測技術(shù)研究進展

信號在光纖傳輸過程中，會因累積色散效應(yīng)而造成碼間串?dāng)_，這將嚴(yán)重影響傳輸信號的質(zhì)量. 在光纖傳輸系統(tǒng)的接收端對累積色散效應(yīng)進行監(jiān)測與均衡，將對信號優(yōu)化解調(diào)起到關(guān)鍵性作用. 目前，色散補償主要采用光學(xué)色散補償和數(shù)字域色散補償兩種方法. 光學(xué)色散補償方法利用色散補償光纖[3]和啁啾光纖光柵[4]產(chǎn)生反向色散效應(yīng)，補償傳輸信號在標(biāo)準(zhǔn)單模光纖中受到的累積色散，其主要缺點是需要在線插入色散補償光纖和啁啾光纖光柵，在一定程度上增加了系統(tǒng)插入損耗與鏈路復(fù)雜度. 但對于鏈路累積色散出現(xiàn)變化的情況，光學(xué)色散補償方法很難進行動態(tài)精準(zhǔn)補償. 數(shù)字域色散補償方法可以不改變原有的傳輸系統(tǒng)，而在接收端采用數(shù)字信號處理技術(shù)對由色散效應(yīng)所引起的信號畸變進行補償與均衡，在很大程度上降低了傳輸系統(tǒng)成本. 此外，針對鏈路累積色散出現(xiàn)變化的情況，可在接收端通過色散參量監(jiān)測算法對鏈路累積色散值進行實時精準(zhǔn)監(jiān)測與均衡.

近年來，多個科研團隊在色散參量精準(zhǔn)監(jiān)測方面開展了很多有意義的研究工作. 其中，慕尼黑聯(lián)邦軍事學(xué)院課題組[6]提出一種基于Godard’s 誤差標(biāo)準(zhǔn)的色散參量監(jiān)測方案. 該方案需要預(yù)設(shè)一個較大范圍的色散表，并以一定色散步長執(zhí)行查表補償色散操作，隨后監(jiān)測補償以后信號的Godard’s 誤差值，最終獲取最優(yōu)的鏈路累積色散值. 澳大利亞墨爾本大學(xué)課題組提出一種基于數(shù)據(jù)輔助的色散參量監(jiān)測方案. 該方案需要在發(fā)射端提前添加訓(xùn)練序列，在接收端通過已知的訓(xùn)練序列實現(xiàn)傳輸信道估計，隨后以最小均方擬合法獲取相位響應(yīng)，最終實現(xiàn)色散參量監(jiān)測功能. 香港理工大學(xué)課題組[7]提出一種基于自相關(guān)功率波形的色散監(jiān)測方案. 該方案可通過監(jiān)測信號自相關(guān)功率波形的峰值位置，最終推算出鏈路累積色散值. 美國貝爾實驗室課題組[8]提出一種針對單載波系統(tǒng)的峰均值功率比色散監(jiān)測方案，該方案同樣需要預(yù)設(shè)一個較大范圍的色散表，隨后執(zhí)行查表色散補償操作，最后通過監(jiān)測信號峰均值功率比來實現(xiàn)鏈路累積色散監(jiān)測. 西南交通大學(xué)課題組[9]提出一種基于兩級粗細(xì)自適應(yīng)色散監(jiān)測方案，以時域與頻域相結(jié)合的監(jiān)測方式實現(xiàn)鏈路累積色散的復(fù)雜度低且精度高的監(jiān)測. 華中科技大學(xué)課題組[10]提出一種基于分?jǐn)?shù)階傅里葉變換的色散監(jiān)測方案，該方案根據(jù)不同鏈路累積色散值呈現(xiàn)不同分?jǐn)?shù)階傅里葉變換特征的情況，推算出對應(yīng)的鏈路累積色散值. 北京郵電大學(xué)課題組[11]提出一種基于深度神經(jīng)網(wǎng)絡(luò)的鏈路累積色散監(jiān)測方案，將低速率采樣以后的數(shù)字信號送入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后根據(jù)訓(xùn)練模型監(jiān)測鏈路累積色散值. 本文總結(jié)了各種色散參量監(jiān)測方案的技術(shù)特點，如表1 所示；隨后將基于兩級粗細(xì)自適應(yīng)色散監(jiān)測方案作為色散參量監(jiān)測案例，詳細(xì)分析該方案的工作原理和實驗結(jié)果.

1.2 色散參量監(jiān)測案例——基于兩級粗細(xì)自適應(yīng)色散監(jiān)測方案

1.2.1 工作原理

本小節(jié)將詳細(xì)分析基于兩級粗細(xì)的自適應(yīng)色散監(jiān)測技術(shù)[9]，具體研究方案包括兩級色散監(jiān)測結(jié)構(gòu)：粗色散監(jiān)測模塊和精細(xì)色散監(jiān)測模塊. 本方案的色散監(jiān)測原理如圖2 所示，接收端數(shù)字信號Ein[n]進入第1 級粗色散監(jiān)測模塊，獲取鏈路累積色散的粗估計值. 該色散監(jiān)測模塊

表1 色散參量監(jiān)測技術(shù)方案總結(jié)Table 1 Summary for chromatic dispersion monitoring schemes

使用Wiener-Khintchine 定理[7]的自相關(guān)方程來衡量鏈路累積色散，可定義為

式中，F(xiàn)FT 和IFFT 為傅里葉變換和逆傅里葉變換. 當(dāng)傳輸信號為NRZ 脈沖形狀時，根據(jù)式(1)計算出的自相關(guān)峰值較小，且使用峰值推算累積色散值也將變得較為困難. 為解決這一問題，本文對數(shù)字信號Ein[n]采用延時相減操作，該操作可實現(xiàn)高通濾波的作用，將有效提升自相關(guān)波形的峰值高度，更利于本方案通過峰值來監(jiān)測所對應(yīng)的累積色散值. 因此，式(1)可重新定義為

式中，自相關(guān)功率波形P[n]的峰值位置τ可定義為

式中，T0為高斯脈沖寬度，β2為群速度色散因子，z為光纖傳輸長度，T為符號周期. 在長距離傳輸系統(tǒng)中，(T0)2β2z，則式(3)可進一步簡化. 此外，鏈路累積色散可表示為

式中，c表示光在光纖中的傳輸速度，λ表示光載波波長. 根據(jù)式(4)可知累積色散值對符號速率比較敏感. 例如，當(dāng)符號率為10 GBaud 時，色散監(jiān)測分辨率δres為624 ps/nm，即監(jiān)測的色散誤差最大可能為624 ps/nm. 當(dāng)符號速率為25 GBaud 時，色散監(jiān)測的分辨率可降低到100 ps/nm，最大監(jiān)測誤差也有一定程度的下降. 根據(jù)上面分析可知，第1 級粗色散監(jiān)測模塊誤差仍然相對較大，需要使用第2 級精細(xì)色散監(jiān)測方法進一步減小監(jiān)測誤差以獲取高精度色散監(jiān)測值. 本方案將以第1 級色散粗估計值δestc為中心，以色散監(jiān)測分辨率δres（大約幾百ps/nm 的色散值）為范圍，建立一個色散區(qū)間表[δestc?δres，δestc+δres]. 采用一個小色散步長掃描色散區(qū)間表，均衡信號色散損傷效應(yīng)，并監(jiān)測Godard’s 誤差值的大小. 最小的Godard’s 誤差對應(yīng)的色散即為精準(zhǔn)色散監(jiān)測值.

圖2 色散參量監(jiān)測方案原理圖Figure 2 Diagram of chromatic dispersion monitoring scheme

1.2.2 結(jié)果分析

符號率為10 GBaud/s 的傳輸系統(tǒng)所對應(yīng)的不同色散方案監(jiān)測結(jié)果如圖3(a)所示，符號率為28 GBaud/s 的傳輸系統(tǒng)所對應(yīng)的不同色散監(jiān)測方案結(jié)果如圖3(b)所示. 不同色散監(jiān)測方案包括基于自相關(guān)功率波形的色散監(jiān)測方案[7]（圖中標(biāo)識為ACSPW algorithm），以及本小節(jié)方案（圖中標(biāo)識為FCMA algorithm）. 兩種符號率傳輸系統(tǒng)的OSNR、差分群時延（differential group delay, DGD）、PDL 分別設(shè)置為14 dB、15 ps、15 dB. 根據(jù)原理部分的分析可知，在10 GBaud 傳輸系統(tǒng)中，ACSPW 算法的色散監(jiān)測分辨率為624 ps/nm，即最大色散監(jiān)測誤差為624 ps/nm. 從圖3(a)中以可發(fā)現(xiàn)，ACSPW 算法在光纖長度大約為40 km 范圍內(nèi)的色散監(jiān)測值都相同，即色散監(jiān)測誤差約為600 ps/nm，因此該方案無法適用于低速率傳輸系統(tǒng). 從圖3(b)中可以發(fā)現(xiàn)，F(xiàn)CMA 算法具有約為40 ps/nm 的色散監(jiān)測誤差，因此有能力應(yīng)用在實際系統(tǒng)中. 在28 GBaud 傳輸系統(tǒng)中，ACSPW 算法的色散監(jiān)測分辨率（最大色散監(jiān)測誤差）約為80 ps/nm，相對于10 GBaud 傳輸系統(tǒng)的色散監(jiān)測分辨率已經(jīng)有所減小，但監(jiān)測誤差仍然較大. FCMA 算法的色散監(jiān)測誤差可保持在40 ps/nm 以下，該方案色散監(jiān)測誤差的大小主要與FCMA 算法的第2 級色散步長、DGD、PDL、OSNR 等相關(guān)損傷的影響有關(guān). 如果取更小步長值將可能得到更好的估計結(jié)果，但是步長值取得越小，復(fù)雜度則越大. 在實際系統(tǒng)中，需要整體權(quán)衡時間復(fù)雜度與色散監(jiān)測精度之間的關(guān)系. 另外，系統(tǒng)的DGD、PDL 較大時也會降低傳輸信號質(zhì)量，以致影響色散監(jiān)測性能. 接下來，將進一步分析各種損傷效應(yīng)對本方案色散監(jiān)測精度的影響.

圖3 不同符號率傳輸系統(tǒng)所對應(yīng)的色散監(jiān)測結(jié)果Figure 3 Chromatic dispersion monitoring results under different symbol rates

系統(tǒng)傳輸距離與OSNR 分別設(shè)置為1 000 km 和14 dB. 本方案在不同PDL（0～25 dB）與DGD（10 ps 和15 ps）條件下的色散監(jiān)測誤差如圖4(a)所示. 當(dāng)DGD 為10 ps 時，色散監(jiān)測誤差均小于15 ps/nm. 當(dāng)DGD 提升到15 ps 時，色散監(jiān)測誤差均小于40 ps/nm.由此可看出，本小節(jié)方案對PDL 損傷效應(yīng)不敏感，但DGD 將會造成色散監(jiān)測精度下降.為進一步研究DGD 對FCMA 方案的影響，本小節(jié)測試了不同DGD（0～25 ps）與OSNR（14 dB 和20 dB）條件下的色散監(jiān)測誤差. 可從圖4(b)中發(fā)現(xiàn)，當(dāng)DGD 低于10 ps 時，色散監(jiān)測誤差保持在5 ps/nm 左右，相對恒定；當(dāng)DGD 值大于10 ps 時，色散監(jiān)測誤差開始增大.主要原因是較大的DGD 值將嚴(yán)重?fù)p傷傳輸信號性能. 在通常情況下，典型偏振模色散的參量值約為0.1 ps/km0.5. 若要傳輸系統(tǒng)的DGD 值達到10 ps，光信號需要在傳輸系統(tǒng)中傳輸大約上萬公里，由此可知本小節(jié)色散監(jiān)測方案可適用于長距離光纖傳輸系統(tǒng).

圖4 不同損傷參量對色散監(jiān)測結(jié)果的影響Figure 4 Influence of different impairment parameters on chromatic dispersion monitoring results

2 非線性參量監(jiān)測技術(shù)

2.1 非線性參量監(jiān)測技術(shù)研究進展

在超高速、大容量、超長距離的光纖通信系統(tǒng)中，光纖非線性效應(yīng)已經(jīng)成為系統(tǒng)傳輸容量和性能提升的主要障礙之一. 光纖非線性效應(yīng)主要包括自相位調(diào)制、交叉相位調(diào)制、四波混頻、受激拉曼散射以及受激布里淵散射等. 為實現(xiàn)長距離大容量光纖傳輸，研究人員主要采用大有效面積光纖[12]、抗非線性調(diào)制格式[13]、相位共軛[14]以及數(shù)字域非線性補償算法[16-21]等對非線性效應(yīng)進行抑制與均衡，其中大有效面積光纖和抗非線性調(diào)制格式通?？膳c其他方案一起聯(lián)合使用. 在未來動態(tài)的長距離大容量傳輸鏈路中，如何精準(zhǔn)地監(jiān)測與補償鏈路非線性效應(yīng)，將是研究人員急需解決的關(guān)鍵問題之一. 在所提出的非線性均衡方案中，數(shù)字后向傳輸（digital backward propagation, DBP）算法是迄今為止研究最為廣泛的非線性均衡技術(shù).該方案需要提前預(yù)知傳輸鏈路中多個相關(guān)參數(shù)，并通過求解非線性薛定諤方程實現(xiàn)非線性補償. 在實際傳輸系統(tǒng)中，光纖制造工藝不一致以及鏈路節(jié)點功率波動等因素都將影響鏈路信息的精確獲取，以致無法實現(xiàn)優(yōu)化的非線性補償.

近年來，研究人員在非線性自適應(yīng)監(jiān)測方面開展了一定的研究工作. 德國埃爾朗根-紐倫堡大學(xué)課題組[22]提出了一種基于相位噪聲方差的自適應(yīng)非線性監(jiān)測方案，該方案不斷改變DBP 補償過程中的非線性因子，同時監(jiān)測載波相位恢復(fù)算法以后信號的相位噪聲方差大小. 一旦獲取最小相位噪聲方差即可得到對應(yīng)的非線性因子——最優(yōu)化因子. 西南交通大學(xué)課題組[23]提出一種基于強度噪聲方差的非線性監(jiān)測方案，監(jiān)測偏振解復(fù)用以后信號的強度噪聲方差，進而根據(jù)強度噪聲方差大小推導(dǎo)出最優(yōu)化的非線性因子. 該方案可實現(xiàn)與文獻[22]相同的監(jiān)測精度但復(fù)雜度相對較低. 隨后，該課題組進一步研究了一種基于Godard’s 誤差的非線性監(jiān)測方案，可實現(xiàn)接收端功率、非線性因子以及非線性補償參數(shù)等多個非線性補償相關(guān)參量的監(jiān)測[24]. 麥吉爾大學(xué)課題組[25]提出基于相位噪聲方差，實現(xiàn)了非線性因子與濾波器帶寬的監(jiān)測. 本文將各種非線性參量監(jiān)測方案的技術(shù)特點總結(jié)如表2 所示，隨后以基于強度噪聲方差的非線性參量監(jiān)測方案為非線性參量監(jiān)測案例，詳細(xì)分析該方案的工作原理和實現(xiàn)結(jié)果.

表2 非線性參量監(jiān)測技術(shù)方案總結(jié)Table 2 Summary for nonlinearity parameter monitoring schemes

2.2 非線性參量監(jiān)測案例——基于強度噪聲方差的非線性參量監(jiān)測技術(shù)

2.2.1 工作原理

相干接收機端的數(shù)字信號處理模塊如圖5(a)所示. 接收端所獲取的模擬電信號通過模數(shù)轉(zhuǎn)換器（analog to digital converter, ADC）轉(zhuǎn)換為數(shù)字信號. 隨后，數(shù)字信號通過本小節(jié)所提出的非線性參量監(jiān)測與均衡方案（adaptive digital backward propagation, ADBP）來實現(xiàn)色散與非線性效應(yīng)的補償.補償之后的信號再通過偏振解復(fù)用算法（polarization demultiplexing,PDM-DEMUL）實現(xiàn)解復(fù)用操作. 隨后，通過頻偏補償算法（frequency offset compensation,FOC）以及載波相位恢復(fù)算法（carrier phase recovery, CPR）實現(xiàn)頻偏補償與載波相位恢復(fù)操作.

本小節(jié)所提方案原理如圖5(b)所示，采用偏振解復(fù)用算法以后的信號來計算強度噪聲方差CF=σ2[δI(nT)]，其中強度噪聲波動δI(nT)可定義為

式中，Ed(nT)為偏振解復(fù)用之后的信號，T為符號間隔，n為數(shù)據(jù)點數(shù)目，為功率信號平均值. 在光纖傳輸鏈路中，光信號需要經(jīng)歷多段單模光纖與多段摻鉺光纖放大器（erbium doped fiber amplifier, EDFA）. 在信號傳輸過程中，自相位調(diào)制效應(yīng)將部分強度噪聲轉(zhuǎn)換為相位噪聲. 因此，強度噪聲與相位噪聲將呈現(xiàn)一定的相關(guān)性，所對應(yīng)的相位噪聲方差也將與強度噪聲方差呈現(xiàn)一定的比例關(guān)系. 相比于相位噪聲方差評估信號質(zhì)量，強度噪聲方差也可作為一個有效度量來評估信號質(zhì)量. 當(dāng)信號質(zhì)量變差時，可觀察到強度噪聲方差變大. 在監(jiān)測過程中，本小節(jié)方案可直接判斷信號強度噪聲方差是否達到最小，以實現(xiàn)非線性相關(guān)參量監(jiān)測. 如果強度噪聲方差沒有達到最小，該方案將以最小梯度更新規(guī)則不斷更新非線性優(yōu)化參量γξ，更新規(guī)則如下：

圖5 所提方案實現(xiàn)過程Figure 5 Implementation process of the proposed scheme

式中，γξ(i)表示優(yōu)化乘積γξ，?CF(i)表示循環(huán)i次以后強度噪聲方差的斜率，γ和ξ分別代表非線性參量和非線性補償參數(shù)，收斂速度因子μadap為0.01. 強度噪聲方差斜率可定義為

當(dāng)強度噪聲方差的斜率?CF(i)點出現(xiàn)正負(fù)變化時，判斷強度噪聲方差是否達到最小，一旦獲得優(yōu)化的非線性參量γξ即可停止更新就最小梯度算法. 將優(yōu)化的非線性參量γξ通過非線性補償器進行補償，其中非線性補償器可定義為

式中，P表示色散補償之后的信號功率.

2.2.2 結(jié)果分析

為驗證本方案可行性，我們搭建了40/112Gbit/s 偏振復(fù)用（polarization division multiplexing, PDM）正交相移鍵控（quadrature phase shift keying, QPSK）和224 Gbit/s PDM-16 正交幅度調(diào)制（quadrature amplitude modulation, QAM）相干光傳輸系統(tǒng)進行仿真驗證.40 Gbit/s PDM-QPSK 傳輸系統(tǒng)在720 km 光纖傳輸距離條件下的仿真結(jié)果如圖6 所示. 在考慮不同接收端功率以及不同非線性相關(guān)參量乘積的條件下，計算出所對應(yīng)的歸一化強度噪聲方差. 本小節(jié)的非線性參量監(jiān)測算法可假設(shè)接收端功率為任意大小的值，通過監(jiān)測強度噪聲方差來獲取最優(yōu)化的非線性參量乘積. 不同的強度噪聲方差對應(yīng)圖左邊不同的星座圖，代表不同的信號質(zhì)量. 當(dāng)強度噪聲方差較大時，星座點iii 較為模糊，由此推測信號的非線性補償效果較差，此時的非線性乘積參數(shù)并非最優(yōu)；當(dāng)強度噪聲方差較小時，星座點i 較為清晰，此時所使用的非線性乘積參數(shù)是該系統(tǒng)中最優(yōu)的.

圖6 不同非線性乘積條件下的歸一化強度噪聲方差Figure 6 Normalized intensity noise variance under different nonlinearity product

本小節(jié)方案（proposed method）、基于相位噪聲方差的非線性損傷監(jiān)測與均衡方案（previous method）、傳統(tǒng)DBP 非線性補償方案、線性均衡方案（linear equalization, LE）的補償結(jié)果如圖7 所示. 由于長距離傳輸鏈路中信號存在非線性損傷，在只考慮線性均衡的情況下，系統(tǒng)性能從整體上來說不如其他兩種非線性損傷監(jiān)測與均衡方案. 傳統(tǒng)DBP 非線性補償算法需要提前預(yù)知傳輸鏈路中的非線性相關(guān)參量，因此本小節(jié)選擇乘積因子γξ為2.1 作為對比. 從圖7 中發(fā)現(xiàn)，乘積因子為2.1 的傳統(tǒng)DBP 非線性補償算法實現(xiàn)的補償性能，比LE 線性均衡方案的情況還差. 主要是因為不精準(zhǔn)的非線性補償將導(dǎo)致過補償或者欠補償，致使信號質(zhì)量進一步下降. 相比于基于相位噪聲方差的方案，本小節(jié)所提方案在監(jiān)測性能和均衡性能方面與基于相位噪聲方差的方案相當(dāng)，但是本方案在非線性監(jiān)測過程中不需要頻偏補償以及載波相位恢復(fù)算法，可在一定程度上減小復(fù)雜度.

圖7 各種非線性補償方案的BER 結(jié)果Figure 7 BER results of various nonlinear compensation schemes

3 調(diào)制格式參量監(jiān)測技術(shù)

3.1 調(diào)制格式參量監(jiān)測技術(shù)研究進展

下一代彈性光網(wǎng)絡(luò)將根據(jù)不同鏈路條件和服務(wù)質(zhì)量動態(tài)地改變發(fā)射端調(diào)制格式、符號率、前向糾錯編碼等參數(shù)[26]，其調(diào)制格式等相關(guān)參數(shù)信息在其他網(wǎng)絡(luò)節(jié)點的接收端處不確定. 然而，接收端有部分?jǐn)?shù)字信號處理算法與調(diào)制格式相關(guān)，因此需要根據(jù)調(diào)制格式信息選擇相應(yīng)的最優(yōu)解調(diào)算法[27]. 此外，調(diào)制格式信息對于中間網(wǎng)絡(luò)節(jié)點的光性能監(jiān)測設(shè)備也是必不可少的. 未來光網(wǎng)絡(luò)智能接收機有望在沒有任何先驗信息的情況下自主地監(jiān)測網(wǎng)絡(luò)中的各種調(diào)制格式信息.

調(diào)制格式監(jiān)測技術(shù)已在無線通信[28]和認(rèn)知無線電領(lǐng)域[30]研究多年. 近年來由于光通信網(wǎng)絡(luò)更加趨近于靈活的自定義網(wǎng)絡(luò)，這種監(jiān)測技術(shù)引起了光通信領(lǐng)域研究人員的極大關(guān)注. 香港理工大學(xué)課題組[31]提出使用人工神經(jīng)網(wǎng)絡(luò)（artificial neural network, ANN）訓(xùn)練不同調(diào)制格式的異步振幅直方圖以實現(xiàn)調(diào)制格式監(jiān)測. 該方案需要額外添加調(diào)制格式監(jiān)測模塊，雖然能識別多種調(diào)制格式但在很大程度上增加了傳輸系統(tǒng)的復(fù)雜度，且神經(jīng)網(wǎng)絡(luò)算法的復(fù)雜度較高. 丹麥技術(shù)大學(xué)課題組[32]提出一種基于三維斯托克斯空間簇點識別的調(diào)制格式監(jiān)測方案，該方案結(jié)合機器學(xué)習(xí)聚類算法獲取三維斯托克斯空間簇點數(shù)目，實現(xiàn)了調(diào)制格式監(jiān)測功能. 然而，隨著調(diào)制格式階數(shù)的增加，三維空間中的簇點數(shù)目也隨之增加，以致在很大程度上增大了調(diào)制格式識別的復(fù)雜度和難度. 美國佐治亞理工大學(xué)課題組[33]提出了一種基于高階統(tǒng)計矩的斯托克斯空間調(diào)制格式識別方案，但需要提前預(yù)知系統(tǒng)OSNR 信息且對高階調(diào)制格式監(jiān)測較為困難. 香港理工大學(xué)課題組[34]提出一種基于幅度直方圖的深度神經(jīng)網(wǎng)絡(luò)方案，可實現(xiàn)多種調(diào)制格式的識別操作，但在識別過程中需要大量訓(xùn)練樣本才能得到優(yōu)化模型. 加拿大麥吉爾大學(xué)課題組[35]提出基于導(dǎo)頻輔助的調(diào)制格式監(jiān)測方案，但該方案需要額外的輔助編碼，進一步增加了發(fā)射端的復(fù)雜度. 北京郵電大學(xué)課題組采用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks, CNN）監(jiān)測星座圖信息[36]，但需要在數(shù)字信號處理的末端實現(xiàn)監(jiān)測，其實用性受到了很大的限制. 西南交通大學(xué)科研團隊提出一種基于二維斯托克斯平面的調(diào)制格式監(jiān)測方案，根據(jù)不同調(diào)制格式在二維平面中能級數(shù)的不同，實現(xiàn)多種常規(guī)調(diào)制格式的監(jiān)測功能[37]；隨后又提出了一種強度波形輪廓的調(diào)制格式監(jiān)測方案，該方案通過判斷不同調(diào)制格式的波形輪廓特征來實現(xiàn)調(diào)制格式監(jiān)測功能[38]. 如表3 所示，本文首先總結(jié)了各種調(diào)制格式監(jiān)測方案的技術(shù)特點，然后以基于強度波動的監(jiān)測方案為調(diào)制格式參量監(jiān)測案例詳細(xì)分析了該方案的工作原理和實現(xiàn)結(jié)果.

表3 調(diào)制格式監(jiān)測技術(shù)方案總結(jié)Table 3 Summary for modulation format monitoring schemes

3.2 調(diào)制格式參量監(jiān)測案例——基于強度波動的光調(diào)制格式監(jiān)測技術(shù)

3.2.1 工作原理

經(jīng)恒常模均衡算法補償之后的數(shù)字信號D(n)可用來獲取強度波動特征. 各種調(diào)制格式的強度波動特征如圖8 所示，從圖中可觀察到不同調(diào)制格式呈現(xiàn)出不同的強度特征，主要是因為各種調(diào)制格式信號的強度能級不一樣. 例如：QPSK 信號只有1 個幅度能級，16QAM 有3 個幅度能級，32QAM 有5 個幅度能級，64QAM 有9 個幅度能級，可見不同調(diào)制格式的強度波動特征也不相同. 因此，本文考慮以此特征作為區(qū)分不同調(diào)制格式信號的標(biāo)準(zhǔn)，其中強度波動的特征Godard’s 標(biāo)準(zhǔn)誤差可定義為

式中，|D(n)|2表示接收到的數(shù)字信號D(n)的平方功率，R為信號的恒定功率值，E{|D(n)|4}為四次信號的平均功率，E{|D(n)|2}為二次信號的平均功率. 根據(jù)式(9)可知，Godard’s 標(biāo)準(zhǔn)誤差代表著信號的強度信息與恒定功率值之差. 由于不同調(diào)制格式具有不同的強度能級，Godard’s 標(biāo)準(zhǔn)誤差也會隨之變化. 此外，將另一種強度波動特征（強度噪聲方差）引入到本小節(jié)所提方案中，具體定義如式(5)所示. 由于不同調(diào)制格式將呈現(xiàn)不同方差，可以通過該特征來識別調(diào)制格式. 如圖9 所示，本小節(jié)主要采樣Godard’s 標(biāo)準(zhǔn)誤差與強度噪聲方差這兩種強度波動特征所組成的二維平面圖來區(qū)分各種調(diào)制格式信息. 二維波動特征平面圖大致可分為3 個區(qū)間，分別為QPSK 調(diào)制格式區(qū)間、8QAM 調(diào)制格式區(qū)間以及混合的16QAM/32QAM/64QAM 調(diào)制格式區(qū)間. 通過支持向量機將3個區(qū)間分開，則QPSK 信號和8QAM 信號可從這個二維平面中區(qū)分開來. 因為16QAM、32QAM、64QAM 等高階調(diào)制格式信號存在多個幅度級，所以直接通過二維強度波動特征圖將很難區(qū)分. 正如圖9 所示，高階調(diào)制格式信號的強度特征在二維平面中混淆在一起，就不能直接使用支持向量機的方法在二維平面中進行區(qū)分，此時可用分集Godard’s 標(biāo)準(zhǔn)誤差來進一步識別剩余的高階調(diào)制格式信號.

圖8 5 種調(diào)制格式的強度信號波動Figure 8 Intensity signal fluctuation for five modulation formats

圖9 不同調(diào)制格式的強度波動特征Figure 9 Intensity fluctuation features of different modulation formats

為了進一步區(qū)分16QAM、32QAM、64QAM 等高階調(diào)制格式信號，本方案首先進行第1 步分集操作. 選擇調(diào)制格式信號歸一化強度的范圍為0.7～1.4，計算Godard’s 標(biāo)準(zhǔn)誤差.該范圍是以16QAM 理想信號的中間幅度能級作為參考選取的. 在不同OSNR 條件下，第1 步分集操作得到的Godard’s 標(biāo)準(zhǔn)誤差結(jié)果如圖10(a)所示. 其中，16QAM 信號的OSNR 測試范圍為14～32 dB，32QAM 信號的OSNR 測試范圍為15～32 dB，64QAM 信號的OSNR 測試范圍為16～35 dB. 從圖10(a)中可獲知，16QAM 調(diào)制格式信號的Godard’s 標(biāo)準(zhǔn)誤差與其他兩種調(diào)制格式的Godard’s 標(biāo)準(zhǔn)誤差相比明顯相差較大. 因此，可以找到一個優(yōu)化的閾值Th1將16QAM 與其他兩種調(diào)制格式區(qū)分開來. 然而，對于32QAM 信號與64QAM 信號，使用第1 步分集Godard’s 標(biāo)準(zhǔn)誤差可能需要較高的OSNR 條件才能區(qū)分開來. 為了更好地區(qū)分剩余的高階調(diào)制格式，該方案采用第2 步分集方法來輔助識別. 第2 步分集操作如圖10(b)所示，該分集操作選擇調(diào)制格式信號大于0.85 范圍的歸一化強度，計算Godard’s 標(biāo)準(zhǔn)誤差. 該范圍是以32QAM 理想信號第3 個能級以后的幅度作為參考選取的. 64QAM 在這個范圍內(nèi)呈現(xiàn)的幅度能級與32QAM 的幅度能級完全不一樣，因此利用第2 步分集的方法是可以將兩種信號完全分離開的. 其中，32QAM 信號的OSNR 測試范圍為15～32 dB，64QAM 信號的OSNR 測試范圍為16～35 dB. 可以發(fā)現(xiàn)利用第2 步分集操作計算得到的32QAM 信號與64QAM 信號的Godard’s 標(biāo)準(zhǔn)誤差結(jié)果相差較大，因此可以從圖中找到一個優(yōu)化的閾值Th2將32QAM 與64QAM 區(qū)分開來.

圖10 兩次分集的Godard’s 標(biāo)準(zhǔn)誤差圖Figure 10 Normalized Godard’s criterion errors of twice partition operations

3.2.2 結(jié)果分析

為了驗證本小節(jié)提出方案的監(jiān)測性能，需要結(jié)合優(yōu)化的訓(xùn)練樣本數(shù)目和符號數(shù)目. 如圖11 所示，本方案首先測試了背對背條件下的性能. 當(dāng)PDM-QPSK/PDM-8QAM/PDM-16QAM/PDM-32QAM/PDM-64QAM 信號達到100%的正確識別率時，所需的最小OSNR 分別為7 dB、9 dB、16 dB、17 dB 和16 dB.圖中的點線為不同種調(diào)制格式所對應(yīng)的20%FEC（誤碼率為2.4×10?2）理論閾值. 由此可知，所有調(diào)制格式達到100%正確識別率時，所需的最小OSNR 比20%FEC 理論閾值更小，由此可見本小節(jié)方案具有很好的監(jiān)測性能，有望給下一代光網(wǎng)絡(luò)帶來便利.

圖11 5 種調(diào)制格式信號在不同OSNR 條件下的正確識別率Figure 11 Correct identification rates of five modulation formats under different OSNR values

為進一步驗證該方案對非線性效應(yīng)的容忍性，本文開展了一系列不同發(fā)射功率的長距離傳輸實驗. 其中，PDM-QPSK 信號傳輸距離與發(fā)射功率范圍分別設(shè)置為2 000 km 以及?4～10 dBm. PDM-8QAM 信號傳輸距離與發(fā)射功率范圍分別設(shè)置為2 000 km 以及?3～6 dBm. PDM-16QAM 信號傳輸距離與發(fā)射功率范圍分別設(shè)置為1 040 km 以及?3～8 dBm.PDM-32QAM 信號傳輸距離與發(fā)射功率范圍分別設(shè)置為320 km以及?6～11 dBm. 文中采用誤差向量幅度（error vector magnitude, EVM）來評價信號損傷的程度. 如圖12 所示為不同調(diào)制格式在不同發(fā)射功率條件下的正確識別精度圖. 當(dāng)發(fā)射端功率大于2 dBm 時，由EVM性能可知所有調(diào)制格式都遭受到非線性損傷的影響. 反之，當(dāng)發(fā)射端功率小于2 dBm 時，系統(tǒng)損傷主要來自于ASE 噪聲. PDM-QPSK、PDM-8QAM、PDM-16QAM、PDM-32QAM 調(diào)制格式信號在實現(xiàn)100%正確識別率時所需要的最大發(fā)射功率分別為10 dBm、5 dBm、6 dBm、11 dBm. 值得注意的是，PDM-8QAM 和PDM-16QAM 信號所能承受的發(fā)射功率均小于PDM-QPSK 信號所能承受的發(fā)射功率. 這是因為在長距離傳輸以后，歐氏距離越小的星座圖調(diào)制格式信號對鏈路中的噪聲和損傷越敏感. 同時，PDM-32QAM 的最大發(fā)射功率為11 dBm 是因為傳輸距離相對較短. 由實驗結(jié)果可知，該算法具有很強的非線性損傷容忍度.

4 討論與總結(jié)

近年來，科研人員以單參量監(jiān)測技術(shù)為研究基礎(chǔ)開始探索少數(shù)參量聯(lián)合監(jiān)測，如2 個或3 個參量聯(lián)合監(jiān)測. 在直接探測的系統(tǒng)中，少數(shù)參量聯(lián)合監(jiān)測方面研究最為廣泛的是異步采樣時域監(jiān)測技術(shù)，主要是通過對電信號幅度異步采樣產(chǎn)生一維異步幅度直方圖（asynchronous amplitude histogram, AHH）或二維異步延時抽頭采樣圖實現(xiàn)信號性能監(jiān)測的. 針對AHH 監(jiān)測技術(shù)，文獻[39]通過分析信號AHH 峰值高斯分布來實現(xiàn)色散與光信噪比雙參量聯(lián)合監(jiān)測.隨后，通過分析AHH 的幅度級變化特征實現(xiàn)色散與偏振模色散[40]、調(diào)制格式與符號率[41]雙參量聯(lián)合監(jiān)測. 文獻[42]通過結(jié)合神經(jīng)網(wǎng)絡(luò)的方法實現(xiàn)了色散、偏振模色散與光信噪比三參量聯(lián)合監(jiān)測. 針對二維異步延時抽頭采樣圖監(jiān)測技術(shù)，結(jié)合統(tǒng)計信號處理方法分別實現(xiàn)了色散與光信噪比[43]、調(diào)制格式與光信噪比[44]等雙參量聯(lián)合監(jiān)測. 使用神經(jīng)網(wǎng)絡(luò)對二維異步延時抽頭采樣圖進行精準(zhǔn)分析，實現(xiàn)了調(diào)制格式、符號率與光信噪比[45]以及色散、偏振模色散與光信噪比[46]等三參量聯(lián)合監(jiān)測. 另外，基于相干檢測方式的少數(shù)參量聯(lián)合監(jiān)測也引起了廣泛關(guān)注. 對于色散與偏振模色散的雙參量聯(lián)合監(jiān)測，主要采用時域均衡器抽頭函數(shù)[47]、數(shù)據(jù)輔助[48]等方法. 對于調(diào)制格式與光信噪比雙參量監(jiān)測，主要研究方法是監(jiān)測色散補償以后信號的強度信息[49]和斯托克斯參量信息[50]，通過結(jié)合具有強大分類功能的神經(jīng)網(wǎng)絡(luò)技術(shù)實現(xiàn)雙參量聯(lián)合監(jiān)測. 基于相干檢測方式的三參量聯(lián)合監(jiān)測[51]還處于探索階段，相關(guān)報道較少.

圖12 4 種調(diào)制格式信號長距離傳輸之后的正確識別率Figure 12 Correct identification rates of four modulation formats under long-distance transmission links

當(dāng)前，光纖通信系統(tǒng)性能監(jiān)測方面的研究工作主要集中在單參量監(jiān)測和少數(shù)參量聯(lián)合監(jiān)測方面. 未來精細(xì)化、一體化的多參量聯(lián)合監(jiān)測將成為安全可靠光纖傳送網(wǎng)必不可少的研究方向. 此外，利用深度學(xué)習(xí)技術(shù)實現(xiàn)光纖傳輸系統(tǒng)結(jié)構(gòu)監(jiān)測，可為性能監(jiān)測方面的研究提供全新的思路. 通過前期對關(guān)鍵參量的訓(xùn)練分析，深度學(xué)習(xí)技術(shù)可更加方便地輔助光纖傳輸系統(tǒng)，實現(xiàn)鏈路損傷參量的精準(zhǔn)分離以及多參量精細(xì)化聯(lián)合監(jiān)測；可大大降低系統(tǒng)的成本與復(fù)雜度，并有效提升性能監(jiān)測與故障診斷的智能化水平. 未來利用多參量聯(lián)合監(jiān)測模塊獲取多個鏈路損傷參量，可為評價網(wǎng)絡(luò)傳輸鏈路物理狀態(tài)提供參考，使網(wǎng)絡(luò)由傳統(tǒng)的被動處理轉(zhuǎn)為主動預(yù)防，這對提升網(wǎng)絡(luò)智能化管理水平和預(yù)測能力具有重要的應(yīng)用價值.