基于stokes空间中信号高阶累积量的相干光通信调制识别研究

Cognitive optical networks (CON) combined with coherent detection and digital signal processing (DSP) is considered a very promising solution for next generation optical networks. The autonomous cognitive transmitters in CONs makes that the modulation formats be selected dynamically, which in turn makes it necessary for the receivers to classify the modulation format of incoming signals. Various challenges including phase noise, frequency offset, polarization dependent loss (PDL), polarization mode dispersion (PMD), fiber nonlinearity, etc., lay before the modulation format classification (MFC) schemes in coherent optical communication systems. To address this problem, a three-year project on MFC by extracting and identifying specific features from the high order cumulants of signals in stokes space, is proposed. The proposed MFC scheme has the advantage of insensitive to phase impairments, and polarization mixing, and low complexity. The impact of Gaussian white noise, PMD as well as the fiber nonlinearity on the MFC performance will be investigated. Meanwhile, a cascaded pre-processing algorithm using singular vector decomposition (SVD) and stokes space based adaptive convergence algorithms will be proposed and investigated in the time varying state of polarization (SOP) systems. Furthermore, the simplified subtractive clustering and likelihood ratio classifier will be introduced to decrease the impact of PMD and fiber nonlinearity, respectively. The abovementioned algorithm will then be experimentally investigated and evaluated in a polarization division multiplexed (PDM) coherent optical transmission system.

具有高频谱利用率、高适配性的认知光网络被普遍认为是下一代光网络的重要选择之一，其自主认知的特点需要相干光接收机具有调制格式识别功能。不同于无线通信，相干光通信中的调制格式识别需要克服大相位噪声、偏振相关损伤以及光纤非线性损伤等的影响。针对以上问题，提出一种以信号stokes空间中信号的高阶累积量为特征值的调制格式识别算法。该算法对相位噪声、频率偏移、以及两偏振信号间的混合串扰不敏感。在此基础之上，主要研究高斯白噪声、偏振时变性、偏振模式色散以及光纤非线性损伤对特征值的影响。其中，针对偏振时变系统，提出奇异值分解与stokes空间自适应收敛级联的预处理算法；针对偏振模式色散和光纤非线性，分别引入减法聚类和似然比分类器算法，并进行简化。最后搭建偏振复用高速光通信实验系统，进行算法验证及优化。本项目将发展与现有数字信号处理模块兼容性好、较低复杂度的调制格式识别算法，为下一代光网络升级提供参考依据

具有高频谱利用率、高适配性的认知光网络被普遍认为是下一代光网络的重要选择之一，其自主认知的特点需要相干光接收机具有调制格式识别功能。不同于无线通信，光纤通信系统中的调制格式识别需要克服大相位噪声、偏振相关损伤以及光纤非线性损伤等的影响。针对以上问题，本项目主要从两个方面展开研究：1.研究对相位噪声、偏振相关损伤以及光纤非线性损伤容忍度较大的调制格式识别算法：基于改进的聚类算法实现低复杂度、高识别精度的Stokes空间调制格式识别算法，并首次实现32QAM、64QAM在Stokes空间中的识别；基于恒模算法预均衡之后的幅度分布特征，提出低复杂度的幅度统计、高斯混合模型等调制格式识别算法，并对均衡算法精度对调制格式识别性能的影响进行分析；对所有提出的算法均进行了偏振复用长距离光纤通信系统的实验验证；2. 对单载波、多载波、直接检测以及相干检测光纤通信系统，甚至自由空间光通信系统中，光信道中线性和非线性损伤对不同信号特征的影响进行研究，并引申出一系列低复杂度线性、非线性补偿算法，包括动态自适应Stokes空间偏振解复用算法，低复杂度volterra非线性均衡算法，面向多模系统的最大比合并接收方案以及模块线性均衡算法，以及面向可见光通信系统的块间预编码和叠加导频的信道评估方法，既可以作为调制格式识别算法体系中的预处理算法，也可以作为常规数字信号处理算法对信道损伤进行补偿，并对算法的可行性进行了不同种类光通信系统的实验演示。基于以上研究成果，项目实施期间，共发表SCI论文6篇（其中影响因子大于 3的高水平国际期刊论文3篇），申请及授权发明专利3项（其中授权1项），发表国际会议论文6篇，达到预计研究成果的指标，并在部分方向超额完成指标。基于本项目发展出来的一系列低复杂度调制格式识别算法及相关数字信号处理算法，将为下一代光纤通信系统的升级提供参考依据。