CN116094604A - 一种基于光子卷积处理器的光通信非线性补偿*** - Google Patents

一种基于光子卷积处理器的光通信非线性补偿*** Download PDF

Info

Publication number
CN116094604A
CN116094604A CN202310031123.0A CN202310031123A CN116094604A CN 116094604 A CN116094604 A CN 116094604A CN 202310031123 A CN202310031123 A CN 202310031123A CN 116094604 A CN116094604 A CN 116094604A
Authority
CN
China
Prior art keywords
signal
unit
optical
laser
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310031123.0A
Other languages
English (en)
Inventor
李子薇
卢秋仪
张俊文
迟楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fudan University
Original Assignee
Fudan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fudan University filed Critical Fudan University
Priority to CN202310031123.0A priority Critical patent/CN116094604A/zh
Publication of CN116094604A publication Critical patent/CN116094604A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/50—Transmitters
    • H04B10/501—Structural aspects
    • H04B10/503—Laser transmitters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
    • H04B10/114—Indoor or close-range type systems
    • H04B10/116—Visible light communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/50—Transmitters
    • H04B10/564—Power control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/50—Transmitters
    • H04B10/572—Wavelength control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Optical Communication System (AREA)

Abstract

本发明属于光计算和光通信技术领域，具体为一种基于光子卷积处理器的光通信非线性补偿***。该***用于对基于发光二极管LED的光无线通信***的光通信信号在波形级做非线性后均衡，所述光子卷积处理器包括可调谐光源单元、权重压印单元、信号调制单元、色散延迟单元、求和单元和数据采集单元，将卷积神经网络中承担计算任务最重的卷积层用光子的方式实现；本发明***能够实现大带宽、低延时的光计算，本发明用光器件构建大规模光子卷积神经网络，能补偿高速光通信***中的非线性失真，降低***能耗的同时保证***的性能。

Description

一种基于光子卷积处理器的光通信非线性补偿***
技术领域
本发明涉及光计算领域和光通信技术领域，具体涉及一种基于光子卷积处理器的光通信非线性补偿***。
背景技术
在信息***式增长的时代，通信网络面临着极高的容量需求。光通信技术(包括光纤通信和无线光通信)，能够提供超高传输速率，有望成为未来网络和数据中心的最终解决方案。然而，光通信***中的非线性失真会严重损害***的性能，增加误码率，尤其是在高速信号传输的情况下。近年来，随着机器学习、深度学习的兴起，神经网络已被证明能够成功地恢复具有线性和高阶非线性失真的信号。
此外，随着计算需求的增长，开发高效的神经形态计算体系结构受到了广泛关注。鉴于光学神经网络(ONN)具有超快的计算速度、能源效率和并行计算能力，它是一种很有前途的实现方式。各种基于波分复用、空间复用的光网络架构被提出。在光通信领域，利用光神经网络进行信号处理也受到了越来越多的关注。先进神经网络在光通信信号处理中的光学实现，为传统的DSP电路提供了一种有希望的替代方案，可以加快处理速度和效率。
发明内容
针对上述现有技术的不足，本发明的目的在于提供一种基于光子卷积处理器的光通信非线性补偿***；本发明采用一个光子卷积神经网络(PCNN)和一个最小均方误差(LMS)均衡器，对光通信CAP(无载波幅度和相位调制)-QAM(正交幅度调制)信号进行线性和非线性均衡。本发明的光子卷积处理器能够实现大带宽、低延时的光计算。本发明用光器件构建大规模光子卷积神经网络，能实现高速光通信***中的非线性失真补偿，在降低***能耗的同时保证***的性能。
本发明的技术方案具体介绍如下。
本发明提供一种基于光子卷积处理器的光通信非线性补偿***，可应用于可见光CAP通信***中，其由可调谐光源单元、权重压印单元、信号调制单元、色散延迟单元、求和单元和数据采集单元依次连接组成光子卷积处理器，用于执行卷积神经网络(CNN)中的卷积层运算；其中：可调谐光源单元，用于提供承载信号和神经网络权重的具有相同波长间距的多路激光；
权重压印单元，用于将在计算机上训练好的CNN权重w＝(w1,…,wi,…,wn)由电信息转成激光强度信息，即对可调谐光源单元产生的激光赋予不同的功率，n路激光功率对应于CNN一个卷积核的权重w＝(w1,…,wi,…,wn)；其采用的是波长选择开关WSS，通过控制在不同频率处的衰减系数控制激光的功率；
信号调制单元，用于将光无线通信***的光通信信号x＝(x1,…,xj,…,xm)加载到可调谐光源单元产生的每路激光上，调制后的输出为激光功率为w和x的乘积：
Figure BDA0004047091640000021
色散延迟单元，用于对承载光通信信号的每路激光引入等差延迟，延迟的时间等于光通信信号一个符号的长度；其激光输出表示为：
Figure BDA0004047091640000022
求和单元，用于对等差延迟的激光信号在时间上进行求和，将光信号转为电信号；求和单元上叠加多个波长，这些波长携带具有不同延迟和不同强度的信号x，非相干强度叠加是XFOUT逐列相加，相当于w和x的卷积结果，最后卷积输出信号修剪为与输入信号相同的长度；
数据采集单元，用于将求和单元输出的模拟信号转为数字信号；
工作时，多路激光从可调谐光源产生后，在权重压印单元获得不同的功率，需要补偿的光信号通过信号调制单元加载在每路激光上，并通过色散延迟单元，实现了信号的延迟对准；最后求和单元进行求和并通过数据采集单元采集数字信号，完成一次卷积运算；利用光通信的发射端原始数据和接收端的失真数据训练好卷积神经网络的权重，并把权重加载到权重压印单元，多次执行卷积计算和电非线性激活函数实现完整CNN即实现非线性补偿。
本发明中，所述光子卷积处理器对于不同频率的激光的响应度不同，由于在求和单元处检测到的激光功率代表卷积核权重，在使用权重压印单元前，要单独测量并保存每路激光的传输函数，即CNN电权重到光权重的精确对应关系；为了更方便地调节激光功率，采用波形选择开关器WSS设置不同的衰减系数；具体步骤为：
第一步：在信号调制单元中载入一个随机生成的波形，打开可调谐光源的一路频率为fi的激光，其他路激光关闭；
第二步：控制WSS在激光fi及包括左右Δf带宽内的衰减系数α；
第三步：以一定的步长，从0开始遍历α；每设置一个α，在接收端采样一段数据yα；
第四步：计算这段采样数据的平均绝对值
Figure BDA0004047091640000031
第五步：关掉可调谐激光器的当前激光，打开下一路激光，重复上述步骤，直到每路激光都获得WSS的衰减系数与接收功率之间的对应关系，并用
Figure BDA0004047091640000032
对每路的传递数据进行拟合，其中x表示接收强度，y表示衰减系数。
第六步：在电权重转换成光权重阶段，将权重wi值代入传递函数，得到WSS的衰减系数，可以实时改变光权重。
本发明中，色散延迟单元采用标准单模光纤SSMF；所述可调谐激光单元的激光器波长间隔Δλ、信号调制单元的输入信号波特率B、色散延迟单元的长度L和色散系数D满足以下关系：
τ＝1/B＝D·L·Δλ。
本发明中，是采用CNN在波形级信号进行非线性后均衡，CNN包括带ReLU激活函数的多个卷积层和一个全连接层，为减少信息损失，不使用池化层；CNN的训练数据为可见光通信的接收端数据，标签集为相应的发射端数据，训练过程在电子计算机上完成；通过训练，找到接收数据到发射数据之间的复杂映射函数h-1(·)：
Figure BDA0004047091640000033
卷积神经网络的训练过程表示为如下优化过程：
Figure BDA0004047091640000034
训练之后将卷积神经网络的权重加载到权重压印单元，转化为光权重，在光子卷积处理器上执行CNN所有卷积部分的运算。
本发明中，其还包括LMS均衡器，所述的LMS均衡器，用于解决信号下采样后符号级的部分线性失真；接收到的串行信号以滑动窗口的方式划分为大小为NLMS的子集，并行发送到LMS均衡器，在并行信号和抽头向量
Figure BDA0004047091640000035
之间执行乘积：
Figure BDA0004047091640000036
为了优化均衡性能，通过计算yLMS(n)和光通信***发射信号之间的距离来更新梯度下降法中的抽头向量，并反馈误差。
本发明还提供一种基于发光二极管LED的光无线通信***，其利用上述的光通信非线性补偿***对光通信信号进行非线性后均衡，其包括发射端和接收端；发射端包括任意波形发生器、硬件预均衡器、电路放大器、偏置三通组合、LED发射芯片和发射准直凸透镜；接收端包括接收聚焦凸透镜、光电探测器和数字存储示波器；其中：
任意波形发生器：用于将输入的经过预处理的数字信号转换成电信号；
硬件预均衡器：用于输入电信号，补偿由于LED器件引入的高频衰减；
电路放大器：放大输入电信号；
偏置三通组合：用于为电信号加入一个直流偏置，并施加到LED上；
LED发射芯片：将电信号转换成光信号，发射到自由空间中；
发射准直凸透镜：用于将LED光发出的光进行准直；
接收聚焦凸透镜：用于将自由空间的光信号聚焦到光电探测器上；
光电探测器：将接收的光信号转换为电信号；
数字存储示波器：用于将接收到的电信号进行采样，以便进行信号的后处理。
本发明中，任意波形发生器中输入的经过预处理的数字信号通过下述方法获得：
将原始比特序列依次进行正交幅度调制QAM映射、上采样，对QAM复数信号的I路和Q路分别使用一对满足希尔伯特变换对特性的成型滤波器滤波，滤波后的正交信号相减得到CAP信号。
本发明中，数字存储示波器对接收到的电信号进行采样，以对信号进行非线性和线性均衡的后处理；后处理方法包括：
首先信号同步，功率归一化，用基于光子卷积处理器的PCNN在波形级做非线性后均衡；
然后对均衡后的信号用一对正交的匹配滤波器处理分别得到QAM的I和Q路信号；
再对数据下采样，利用LMS均衡器在符号级做LMS自适应后均衡；
最后解QAM映射得到最终比特序列。
和现有技术相比，本发明的有益效果在于：
本发明公开了一种基于光子卷积处理器的光通信非线性补偿***，其可以解决光通信***中的线性和非线性失真的问题，提高***的传输速率。本发明中的光子卷积处理器采用的是时间-空间复用架构，通过调整波长选择开关可以改变卷积计算的权重，通过增加波长的数量可以增加卷积运算的规模，因此是一种可重构、可扩展的架构。卷积光电处理器的每一个单元都是现有的电信组件，可以实现光通信网络的大规模部署，从而降低光网络的能耗和提高效率。
附图说明
图1.实施例中所述光子卷积处理器的实现框图。
图2.实施例中所述的光通信传输***，及其数字信号处理框图。
图3为在所述的光通信***中：(a)仅用LMS均衡后的星座图，(b)使用PCNN+LMS均衡后的星座图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。
本发明目的在于提供一种基于光子卷积处理器的光通信非线性补偿***，光子卷积处理器能够实现大带宽、低延时的光计算。本发明用光器件构建大规模光子卷积神经网络，能解决高速光通信***中的非线性失真问题，并降低***能耗的同时保证***的性能。
图1示出了时间-波长复用卷积光电处理器的***框图。
光子卷积神经网络PCNN基于一种光子卷积处理器，如图1所示，其由可调谐光源(TLS)、波长选择开关(WSS)、马赫曾德尔调制器(MZM)、掺铒光纤光放大器(EDFA)、光探测器(PD)标准单模光纤(SSMF)、数字存储示波器(OSC)组成；多路激光从可调谐光源(TLS)产生后，WSS作为权重压印单元获得不同的功率，需要补偿的光信号通过MZM，即信号调制单元，加载在每路激光上，并通过作为色散延迟单元的SSMF，实现了信号的延迟对准；最后以PD作为求和单元进行求和并通过数据采集单元OSC采集数字信号，完成一次卷积运算。其利用光通信的发射端原始数据和接收端的失真数据训练好卷积神经网络的权重，并把权重加载到权重压印单元，多次执行卷积计算从而实现CNN非线性补偿。
其中，TLS用于整个***提供承载信号和神经网络权重的多路激光，相邻激光的频率间隔相等；WSS用于将所述可调谐光源单元产生的激光赋予不同的功率，对应于卷积神经网络的权重w＝(w1,…,wi,…,wn)；MZM用于把从光通信***获取的接收信号x＝(x1,…,xj,…,xm)加载到所述可调谐光源单元产生的每路激光上，SSMF用于对承载光通信信号的每路激光引入等差延迟，延迟的时间等于光通信信号一个符号的长度；
PD用于将承载了权重、光通信信号，并且经过等差延迟的激光在时间上进行求和，将光信号转为电信号；
OSC用于将所述求和单元输出的模拟信号转为数字信号，方便后续处理。
LMS均衡器利用经典LMS算法进行自适应均衡；
CNN中的卷积层承担着网络中最重的计算任务，由光子卷积处理器通过光子方式实现，非激活函数ReLU则由电子计算机执行，全连接层是一种特殊的卷积运算，也可以通过光子卷积处理器实现。
本发明的光通信非线性补偿***工作时，可调谐激光源(TLS)产生具有相同波长间距的多波长激光，并耦合到波形选择开关(WSS)中，WSS控制n个波长的光功率，使其对应于已经训练好的卷积核w＝(w1,…,wi,…,wn)。卷积光电处理器的电输入信号x＝(x1,…,xj,…,xm)代表光通信***的接收信号。输入信号x由高带宽任意波形发生器(AWG)生成，通过信号x驱动的马赫-曾德尔调制器MZM调制激光功率，多播到每个激光通道。这样，每个波长的激光携带具有不同重量振幅的信号x。电光调制后的输出激光功率为w和x的乘积：
Figure BDA0004047091640000061
多通道光源通过长度为L的SSMF传播，由于色散导致不同的时间延迟。相邻波长之间的时间延迟正好是信号xj的一个符号的持续时间。因此，需要匹配以下公式
Figure BDA0004047091640000062
这里，τ表示相邻波长的时间延迟，B表示信号x的波特率，D表示光纤的色散指数，Δλ表示激光波长间隔。信号经过SSMF产生色散延迟后可以表示为
Figure BDA0004047091640000063
最后，在PD上叠加多个波长，这些波长携带具有不同延迟和不同强度的信号x。非相干强度叠加是XFoUT逐列相加，这也相当于w和x的卷积结果。最后，我们将卷积输出信号修剪为与输入信号相同的长度。
为了证明本发明在通信***中的效果，接下来介绍本发明提出的PCNN结合LMS后均衡方法在光无线通信***中的验证步骤与验证效果。
光无线通信***及其数字信号处理框图如图2所示。
光无线通信***包括任意波形发生器(AWG)、硬件预均衡器(eq)、电路放大器(EA)、偏置三通组合(Bias Tee)、LED发射芯片、发射准直凸透镜、接收聚焦凸透镜、光电探测器(PD)、跨阻抗放大器(TIA)和数字存储示波器(OSC)。
光无线通信***处理数字信号的具体工作步骤如下：
首先，在发射端，数字预处理时，原始比特序列经受正交幅度调制(QAM)映射、上采样和无载波幅度调制(CAP)。然后将归一化序列加载到任意波形发生器(AWG)中进行数模转换，电信号通过预均衡电路和电放大器(EA)，最后与直流电(DC)耦合，驱动LED发光。承载信息的光通过透镜聚焦，在自由空间传输1.2米。
在接收器处，一个集合透镜将光聚焦到光电探测器(PD)上，光电探测器(PD)将光信号转换为电信号。跨阻抗放大器(TIA)对接收到的电信号进行放大，数字存储示波器(OSC)对信号进行采样并发送进行处理。数字后处理部分，信号经过第一级均衡、匹配滤波器、下采样、第二级均衡和QAM去映射。***中的失***要来自LED、光电探测器(PD)、发射机放大电路和接收机放大电路的非线性响应。为了解决这个问题，我们采用了两级信号恢复算法：CNN均衡器以接收到的波形信号为目标补偿非线性，计算量大；而LSM均衡器通过应用于QAM信号来处理下采样后的残余线性失真。
光无线通信***的传递函数为h(.)，发射数据序列为s，接收数据表示为x，信号的加性噪声表示为N0，***可以用如下方程简要表示：
x＝h(s)+N0
采用CNN在波形级信号进行非线性后均衡，CNN包括带ReLU激活函数的多个卷积层和一个全连接层，为减少信息损失，不使用池化层；CNN的训练数据为可见光通信的接收端数据，标签集为相应的发射端数据，训练过程在电子计算机上完成；通过训练，找到接收数据到发射数据之间的复杂映射函数h-1(·)：
Figure BDA0004047091640000071
CNN的训练过程表示为如下优化过程：
Figure BDA0004047091640000072
训练之后将CNN的权重加载到权重压印单元，转化为光权重，在光子卷积处理器上执行CNN所有卷积部分的运算。
图3所示为本发明在光无线通信***接收端，对接收到的信号进行后均衡的效果，图3(a)为仅用LMS后均衡的效果，图3(b)为用PCNN和LMS后均衡的效果。原始的星座点为聚集的16个点。对比图3中的结果，可以发现，仅用LMS后均衡，所有的星座点都很散乱，基本无法区分每个星座点的边界；使用PCNN和LMS后均衡时，星座点中的噪声点大大减少，使得每个星座点基本能够分隔开。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于光子卷积处理器的光通信非线性补偿***，其应用于可见光CAP通信***中，其特征在于，由可调谐光源单元、权重压印单元、信号调制单元、色散延迟单元、求和单元和数据采集单元依次连接组成光子卷积处理器以用于执行卷积神经网络CNN中的卷积层运算；其中：
可调谐光源单元，用于提供承载信号和神经网络权重的具有相同波长间距的多路激光；
权重压印单元，用于将在计算机上训练好的CNN权重w＝(w1,…,wi,…,wn)由电信息转成激光强度信息，即对可调谐光源单元产生的激光赋予不同的功率，n路激光功率对应于CNN一个卷积核的权重w＝(w1,…,wi,…,wn)；其采用的是波长选择开关WSS，通过控制在不同频率处的衰减系数控制激光的功率；
信号调制单元，用于将光无线通信***的光通信信号x＝(x1,…,xj,…,xm)加载到可调谐光源单元产生的每路激光上，调制后的输出为激光功率为w和x的乘积：
Figure FDA0004047091630000011
色散延迟单元，用于对承载光通信信号的每路激光引入等差延迟，延迟的时间等于光通信信号一个符号的长度；其激光输出表示为：
Figure FDA0004047091630000012
求和单元，用于对等差延迟的激光信号在时间上进行求和，将光信号转为电信号；求和单元上叠加多个波长，这些波长携带具有不同延迟和不同强度的信号x，非相干强度叠加是XFOUT逐列相加，相当于w和x的卷积结果，最后卷积输出信号修剪为与输入信号相同的长度；
数据采集单元，用于将求和单元输出的模拟信号转为数字信号；
工作时，多路激光从可调谐光源单元产生后，在权重压印单元获得不同的功率，需要补偿的光通信信号通过信号调制单元加载在每路激光上，并通过色散延迟单元，实现了信号的延迟对准；最后求和单元进行求和并通过数据采集单元采集数字信号，完成一次卷积运算；利用光通信的发射端原始数据和接收端的失真数据训练好卷积神经网络的权重，并把权重加载到权重压印单元，多次执行光卷积计算和电非线性激活函数实现完整CNN即实现非线性补偿。
2.如权利要求1所述的光通信非线性补偿***，其特征在于，所述光子卷积处理器对于不同频率的激光的响应度不同，由于进入求和单元的激光功率代表卷积核权重，在使用权重压印单元前，要单独测量并保存每路激光的传输函数，即CNN电权重到光权重的精确对应关系；为了更方便地调节激光功率，保持可调谐光源单元的激光功率不变，采用波形选择开关器WSS设置不同的衰减系数；具体步骤为：
第一步：在信号调制单元中载入一个随机生成的波形，打开可调谐光源的一路频率为fi的激光，其他路激光关闭；
第二步：控制WSS在激光fi及包括左右Δf带宽内的衰减系数α；
第三步：以一定的步长，从0开始遍历α；每设置一个α，在接收端的求和单元进行强度探测采样一段数据yα；
第四步：计算这段采样数据的平均绝对值
Figure FDA0004047091630000021
第五步：关掉可调谐激光器的当前激光，打开下一路激光，重复上述步骤，直到每路激光都获得WSS的衰减系数与接收功率之间的对应关系，并用
Figure FDA0004047091630000022
对每路的传输数据进行拟合，其中x表示接收强度，y表示衰减系数。
第六步：在电权重转换成光权重阶段，将权重wi值代入传输函数，得到WSS的衰减系数，以实现实时改变光权重。
3.如权利要求1所述的光通信非线性补偿***，其特征在于，色散延迟单元采用标准单模光纤SSMF；所述可调谐激光单元的激光器波长间隔Δλ、信号调制单元的输入信号波特率B、色散延迟单元的长度L和色散系数D满足以下关系：
τ＝1/B＝D·L·Δλ。
4.如权利要求1所述的光通信非线性补偿***，其特征在于，采用CNN在波形级信号进行非线性后均衡，CNN包括带ReLU激活函数的多个卷积层和一个全连接层，为减少信息损失，不使用池化层；CNN的训练数据为可见光通信的接收端数据，标签集为相应的发射端数据，训练过程在电子计算机上完成；
通过训练，找到接收数据到发射数据之间的复杂映射函数h-1(·)：
Figure FDA0004047091630000023
卷积神经网络的训练过程表示为如下优化过程：
Figure FDA0004047091630000024
训练之后将卷积神经网络的权重加载到权重压印单元，转化为光权重，在光子卷积处理器上执行CNN所有卷积部分的运算。
5.如权利要求1所述的光通信非线性补偿***，其特征在于，其还包括LMS均衡器，所述的LMS均衡器，用于解决信号下采样后符号级的部分线性失真；接收到的串行信号以滑动窗口的方式划分为大小为NLMS的子集，并行发送到LMS均衡器，在并行信号和抽头向量
Figure FDA0004047091630000031
之间执行乘积：
Figure FDA0004047091630000032
为了优化均衡性能，通过计算yLMs(n)和光通信***发射信号之间的距离来更新梯度下降法中的抽头向量，并反馈误差。
6.一种基于发光二极管LED的光无线通信***，其利用权利要求1所述的光通信非线性补偿***对光通信信号进行非线性后均衡，其特征在于，其包括发射端和接收端；发射端包括任意波形发生器、硬件预均衡器、电路放大器、偏置三通组合、LED发射芯片和发射准直凸透镜；接收端包括接收聚焦凸透镜、光电探测器和数字存储示波器；其中：
任意波形发生器：用于将输入的经过预处理的数字信号转换成电信号；
硬件预均衡器：用于输入电信号，补偿由于LED器件引入的高频衰减；
电路放大器：放大输入电信号；
偏置三通组合：用于为电信号加入一个直流偏置，并施加到LED上；
LED发射芯片：将电信号转换成光信号，发射到自由空间中；
发射准直凸透镜：用于将LED光发出的光进行准直；
接收聚焦凸透镜：用于将自由空间的光信号聚焦到光电探测器上；
光电探测器：将接收的光信号转换为电信号；
数字存储示波器：用于将接收到的电信号进行采样，以便进行信号的后处理。
7.根据权利要求6所述的基于发光二极管LED的光无线通信***，其特征在于，任意波形发生器中输入的经过预处理的数字信号通过下述方法获得：
将原始比特序列依次进行正交幅度调制QAM映射、上采样，对QAM复数信号的I路和Q路分别使用一对满足希尔伯特变换对特性的成型滤波器滤波，滤波后的正交信号相减得到CAP信号。
8.根据权利要求6所述的基于发光二极管LED的光无线通信***，其特征在于，数字存储示波器对接收到的电信号进行采样，以对信号进行非线性和线性均衡的后处理；后处理方法包括：
首先信号同步，功率归一化，用基于光子卷积处理器的光子卷积神经网络PCNN在波形级做非线性后均衡；
然后对均衡后的信号用一对正交的匹配滤波器处理分别得到QAM的I和Q路信号；
再对数据下采样，利用LMS均衡器在符号级做LMS自适应后均衡；
最后解QAM映射得到最终比特序列。
CN202310031123.0A 2023-01-10 2023-01-10 一种基于光子卷积处理器的光通信非线性补偿*** Pending CN116094604A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310031123.0A CN116094604A (zh) 2023-01-10 2023-01-10 一种基于光子卷积处理器的光通信非线性补偿***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310031123.0A CN116094604A (zh) 2023-01-10 2023-01-10 一种基于光子卷积处理器的光通信非线性补偿***

Publications (1)

Publication Number Publication Date
CN116094604A true CN116094604A (zh) 2023-05-09

Family

ID=86200506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310031123.0A Pending CN116094604A (zh) 2023-01-10 2023-01-10 一种基于光子卷积处理器的光通信非线性补偿***

Country Status (1)

Country Link
CN (1) CN116094604A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116260521A (zh) * 2023-05-16 2023-06-13 之江实验室 光域信号均衡设备及其方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116260521A (zh) * 2023-05-16 2023-06-13 之江实验室 光域信号均衡设备及其方法
CN116260521B (zh) * 2023-05-16 2023-08-04 之江实验室 光域信号均衡设备及其方法

Similar Documents

Publication Publication Date Title
CN111010239B (zh) 一种相干光纤通信***中非线性相位噪声补偿方法及***
CN108123908B (zh) 一种用于ng-pon的改进svm均衡方法及***
CN113285758B (zh) 一种基于ipca-dnn算法的光纤非线性均衡方法
Niu et al. End-to-end deep learning for long-haul fiber transmission using differentiable surrogate channel
CN111010236A (zh) 一种基于直调直检和偏振复用的低复杂度高速光通信***
CN116094604A (zh) 一种基于光子卷积处理器的光通信非线性补偿***
Li et al. Deep-learning-enabled high-performance full-field direct detection with dispersion diversity
Bajaj et al. 54.5 Tb/s WDM transmission over field deployed fiber enabled by neural network-based digital pre-distortion
Li et al. Convolution-enhanced LSTM neural network post-equalizer used in probabilistic shaped underwater VLC system
CN109804574A (zh) 用于光传输的编码
CN112054977B (zh) 一种基于功率谱整形的光传输方法及装置
EP3549282B1 (en) Optical transmission method and optical receiver apparatus
de Arruda Mello et al. Adaptive optical transceivers: Concepts and challenges
Zhang et al. Convolutional neural network equalizer for Short-reach optical communication systems
Lu et al. Signal recovery in optical wireless communication using photonic convolutional processor
CN113938198B (zh) 光纤传输***、基于lda简化非线性均衡器的方法及模块
Orsuti et al. Phase retrieval receiver based on deep learning for minimum-phase signal recovery
Xu et al. High-order modulation formats, constellation design, and digital signal processing for high-speed transmission systems
Lee et al. EML based real-time 112 Gbit/s (2× 56.25 Gbit/s) PAM-4 signal transmission in C-band over 80 km SSMF for inter DCI applications
Figueiredo et al. Advances and Perspectives Towards Tb/s Optical Transmission
Jovanovic et al. End-to-end learning for fiber-optic communication systems
Yu et al. Modified low CSPR Kramer–Kronig receivers based on a signal–signal beat interference estimation
Wang et al. Low-complexity nonlinear equalizer based on artificial neural network for 112 Gbit/s PAM-4 transmission using DML
Karanov et al. Machine learning for short reach optical fiber systems
EP4304110A1 (en) Photonic machine learning based signal recovery in self-coherent detectors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination