WDM系统信道内和信道间非线性联合补偿方法及装置

本发明属于牵引变电所故障自愈，尤其涉及一种改进型ldbp的wdm系统信道内和信道间非线性联合补偿方法、装置及电子设备。

背景技术：

1、在互联网快速发展的数字化时代，网络流量爆炸式增长对光纤通信网络在高速和大容量两个方面提出了更高要求。然而光纤通信的容量和传输速率由于受到线性损伤和非线性损伤的影响而难以满足要求，其中色度色散(chromatic dispersion，cd)、偏振模色散(polarization mode dispersion，pmd)在内的线性损伤可以通过数字信号处理(digitalsignal processing，dsp)技术被很好的补偿，而克尔非线性效应带来的非线性损伤则随着信号功率和波特率的增加随之增强，特别是波分复用(wavelength divisionmultiplexing，wdm)系统中的非线性效应不仅包含来自同一信道的自相位调制(self-phase modulation，spm)，还有来自其他信道的交叉相位调制(cross-phase modulation，xpm)和四波混频(four-wave mixing，fwm)，其中spm和xpm引起的非线性相移会导致信号严重失真。另外由于光纤通信系统并不是单纯的线性系统或非线性系统，在信号传输过程中线性损伤会对非线性效应产生一定程度的干扰，因此克服光纤非线性效应不仅是优化系统性能的关键更是一大难点。

2、为缓解光纤非线性效应带来的失真，研究人员提出了多种有效的非线性补偿技术。数字反向传输(digital back propagation，dbp)算法及其改进方法通过分步傅里叶方法(the split-step fourier method，ssfm)求解光纤反向传播方程来实现色散和非线性的交替补偿。然而dbp的迭代需要多个傅里叶变换对，性能随着每跨段步数的增加而提高，这意味着优越的性能需要更高的计算复杂性。此外该算法是从理论上补偿非线性失真的方法，要求光纤链路参数透明，直接应用于实践面临着巨大的挑战。除此之外在光域进行非线性补偿的光学相位共轭(optical phase conjugation，opc)技术、基于volterra级数的非线性均衡方法、基于微扰理论的非线性补偿算法等也被证明是有效的。然而opc在实际应用中成本很高，转换效率非常低，因而使性能受到限制；由于volterra级数需要傅里叶变换模块，面临着随着色散累积增大复杂度随之增高的困境；基于微扰理论的非线性补偿要达到期望的量化精度则需要以更高的计算复杂度为代价。

3、近年来随着机器学习的快速发展，神经网络(neural network，nn)强大的学习能力引起了人们的广泛关注，它不需要系统过多的先验链路信息就能完成运算，因此人工神经网络(artificial neural network，ann)，卷积神经网络(convolutional neuralnetwork，cnn)等均被引入到光纤非线性补偿领域中进一步提高系统性能。而三元组相邻符号之间相关性的提出，使得记忆性神经网络成为研究热点。以长短期记忆(long short-term memory，lstm)网络及其变体为例，它们通过记忆相邻符号之间的相关性有效的实现了相干光通信系统的非线性补偿。然而上述所提的基于神经网络的非线性补偿方法大多数是一个黑盒过程，只关注于性能的提升，输出结果和学习过程难以解释。为此研究者将理论模型和神经网络相结合，提出可解释的学习型数字反向传输(learned digital backpropagation，ldbp)，它的出现解决了神经网络黑盒问题对非线性补偿的限制。

4、从专利检索情况可知，在光通信系统中进行非线性补偿的方案主要包括：现有研究中，首先对信号进行色散和非线性的补偿，然后对判决的补偿信号做回归判决来确定结果。现有研究中，利用三元组使神经网络学习非线性损伤值，再用接收信号减去非线性损伤值来完成非线性补偿。现有研究中，使用光学相位共轭技算法补偿非线性损伤。以上所述研究在光通信系统非线性补偿中计算复杂度较高且没有深入全面考虑线性损伤和非线性损伤之间存在的复杂相关性，忽略了wdm系统中色散引起的信道内脉冲展宽和信道间走离效应对信号非线性效应的扰动。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种基于改进型ldbp的wdm系统信道内和信道间非线性联合补偿方法、装置及电子设备，能够在较低的计算复杂度下实现性能的提升；以前向纠错(forward error correction，fec)阈值作为衡量标准，大大延展了有效传输距离。

2、为了达到以上目的，本发明采用的技术方案为：

3、第一方面，本方案提供一种wdm系统信道内和信道间非线性联合补偿方法，包括以下步骤：

4、s1、利用相干接收机单独接收wdm系统中每个信道的信号，并对接收信号重采样至2样本/符号；

5、s2、根据重采样的信号，利用改进型的ldbp神经网络的分步线性补偿层在时域中采用一维卷积操作，并在重叠保留法中加入脉冲展宽效应，补偿色散造成的线性损失；

6、s3、将每一分步色散补偿后的信号传递至ldbp神经网络的分步非线性补偿层，在考虑同一信道内色散影响的情况下，结合相邻符号之间的非线性相互作用设置权重，并求解spm效应引起的非线性相位移动；

7、s4、在考虑信道间走离效应的情况下，在频域求解xpm效应引起的非线性相位移动，并将频域得到的xpm非线性相位移动转移至时域；

8、s5、将时域的xpm非线性相位移动和spm效应引起的非线性相位移动进行相加处理，对信号进行信道内和信道间非线性联合补偿；

9、s6、将经联合补偿后的信号，由自适应滤波器补偿偏振相关的非线性相互作用；

10、s7、将经步骤s6补偿后的信号，经dsp恢复受损信号，完成wdm系统信道内和信道间的非线性联合补偿。

11、本发明的有益效果是：本发明通过优化信号传输的物理模型，在接收端对色散和非线性效应进行交替补偿，在未知具体参数的情况，通过结合神经网络和改进的非线性补偿物理模型实现wdm系统信道内和信道间非线性联合补偿，能够在控制计算复杂度和降低实现成本的情况下有效均衡信号非线性失真，有望在长距离传输的大容量wdm系统中发挥更好的作用。

12、进一步地，所述步骤s1包括以下步骤：

13、s101、在wdw系统中，利用相干接收机单独接收每个信道的离散信号；

14、s102、对离散信号重采样至2样本/符号。

15、再进一步地，所述改进型的ldbp神经网络包括：

16、输入层，用于接收重采样的信号；

17、线性补偿层，用于根据重采样的信号，在时域中采用一维卷积操作，并在重叠保留法中加入脉冲展宽效应，补偿色散造成的线性损失；

18、信道内和信道间的非线性联合补偿层，用于根据每一分步色散补偿后的信号，在考虑同一信道内色散影响的情况下，结合相邻符号之间的非线性相互作用设置权重，并求解spm效应引起的非线性相位移动；在考虑信道间走离效应的情况下，在频域求解xpm效应引起的非线性相位移动，将频域得到的xpm非线性相位移动转移至时域；将时域的xpm非线性相位移动和spm效应引起的非线性相位移动进行相加处理，对信号进行信道内和信道间非线性联合补偿；

19、自适应滤波器，用于将经联合补偿后的信号，由自适应滤波器补偿偏振相关的非线性相互作用；

20、输出层，用于输出经自适应滤波器补偿后的信号。

21、再进一步地，所述步骤s2包括以下步骤：

22、s201、将两路正交的离散偏振信号，根据信号的时间序列和色散性质调整输入特征，以实现重叠保留法和脉冲展宽效应的结合；

23、s202、将输入特征发送至改进型的ldbp神经网络的分步线性补偿层；

24、s203、利用ldbp神经网络的分步线性补偿层，在时域中采用一维卷积操作，补偿色散造成的线性损失。

25、上述进一步方案的有益效果为：本发明的神经网络在时域中才用一维卷积操作并在重叠保留法中加入脉冲展宽效应，更加精准地补偿色散造成的线性损伤，不需要额外的傅里叶变换运算，大大降低了计算复杂度。

26、再进一步地，所述步骤s3中spm效应引起的非线性相位移动的表达式如下：

27、

28、其中，表示spm效应引起的非线性相位移动，gspm,k表示目标信道k内的非线性参数，s表示同一信道内前后相关符号的范围，即与符号p具有相关性的符号区间为[p-s,p+s]，p表示当前时刻需要均衡的符号，i表示相关符号的位置，δi表示对应不同符号的训练权重，uk,x/y,i和uk,y/x,i根据x/y和y/x的不同分别表示目标信道k的x或y在i处的幅值，x和y表示两路正交的偏振信号，γkk表示同一信道内的非线性系数，leff表示光纤中非线性的有效长度，u表示电信号的复包络；

29、所述步骤s4中时域的xpm非线性相位移动表达式如下：

30、

31、

32、dnk＝β2(ωn-ωk)

33、其中，表示时域的xpm非线性相位移动，k表示目标信道的索引，t表示时间，l表示信号的传输长度，f-1表示傅里叶逆变换，f表示傅里叶变换，un,x/y、un,y/x根据x/y和y/x的不同表示信道n的x或y偏振信号，gxmp,nk表示当链路信息未知时包含走离参数和非线性系数在内的优化参数，γnk表示不同信道之间的非线性系数，exp(·)表示指数运算，α表示损耗系数，i'表示虚数，dnk表示非目标信道n和目标信道k之间的走离参数，ω表示频率，β2二阶群速度色散gvd系数，ωn表示非目标信道n的载波频率，ωk表示非目标信道k的载波频率。

34、上述进一步方案的有益效果为：基于增强型分步傅里叶方法，在每一分步色散补偿后的信号中引入色散和非线性之间的相互作用，沿着光纤的每一分步构建更精确的非线性补偿模型，考虑相邻符号之间的非线性相互作用，在补偿非线性损伤的同时缓解脉冲展宽带来的干扰。同时，通过分解多信道之间的走离效应改进信道间xpm补偿模型，有效解决了信号脉冲传输不同步的问题。

35、再进一步地，所述步骤s5中对信号进行信道内和信道间非线性联合补偿，其表达式如下：

36、

37、其中，x和y表示两路正交的偏振信号，uk,x/y(0,t)表示接收到的目标信道k的x/y偏振信号，uk,x/y(l,t)表示目标信道k传输中的x/y偏振信号，t表示时间，exp(·)表示指数运算，j表示虚数，和分别表示spm效应引起的非线性相位移动和xpm非线性相位移动，l表示信号的传输长度。

38、上述进一步方案的有益效果为：本发明通过上述计算信道内和信道间非线性联合补偿的理论模型，从可解释的神经网络角度出发，基于改进的物理模型实现非线性的补偿，有效实现信道内和信道间非线性联合补偿的目的。

39、再进一步地，所述步骤s6具体为：

40、根据经联合补偿后的信号，利用位于ldbp神经网络后端的自适应时域滤波器补偿偏振相关的非线性相互作用。

41、再进一步地，所述步骤s7具体为：

42、根据经步骤s6补偿后的信号，经dsp处理，得到载波相位恢复的受损信号；

43、对载波相位恢复的受损信号进行比特误码率计算，完成wdm系统信道内和信道间的非线性联合补偿。

44、上述进一步方案的有益效果是：本发明通过模拟传输物理模型在偏振解复用之前完成非线性补偿，在未知精确链路条件时通过神经网络使得学习过程更加清晰，学习结果也更容易解释。此外，经过其他数字信号处理模块的处理更贴近实际应用中对失真信号的恢复。

45、第二方面，本发明提供了一种wdm系统信道内和信道间非线性联合补偿装置，所述装置包括：

46、第一处理模块，用于利用相干接收机单独接收wdm系统中每个信道的信号，并对接收信号重采样至2样本/符号；第二处理模块，用于根据重采样的信号，利用ldbp神经网络的分步线性补偿层在时域中采用一维卷积操作，并在重叠保留法中加入脉冲展宽效应，补偿色散造成的线性损失；第三处理模块，用于将每一分步色散补偿后的信号传递至ldbp神经网络的分步非线性补偿层，在考虑同一信道内色散影响的情况下，结合相邻符号之间的非线性相互作用设置权重，并求解spm效应引起的非线性相位移动；第四处理模块，用于在考虑信道间走离效应的情况下，在频域求解xpm效应引起的非线性相位移动，并将频域得到的xpm非线性相位移动转移至时域；第五处理模块，用于将时域的xpm非线性相位移动和spm效应引起的非线性相位移动进行相加处理，对信号进行信道内和信道间非线性联合补偿；第六处理模块，用于将经联合补偿后的信号，由自适应滤波器补偿偏振相关的非线性相互作用；第七处理模块，用于将经第六处理模块补偿后的信号，经dsp恢复受损信号，完成wdm系统信道内和信道间的非线性联合补偿。

47、第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现wdm系统信道内和信道间非线性联合补偿方法的步骤。