基于遺傳算法優(yōu)化神經元網絡和異步幅度圖的調制格式識別研究.pdf

1、在現(xiàn)代信息社會中，終端用戶對寬帶數(shù)據(jù)和高速應用的需求正不斷增長，這驅動著通信網絡不斷升級。為了不斷增加數(shù)據(jù)傳輸量，單模光纖（single-mode fiber）、窄線寬激光器（single-frequency laser）、摻鉺光纖放大器（EDFA）、波分復用技術（WDM）和高級的調制方案等技術正快速發(fā)展，這使得光通信網絡的傳輸容量已非常接近于香農定理下的傳輸容量限制。光通信網絡將繼續(xù)增大容量和靈活性，并采用異質傳輸來支持廣泛的數(shù)據(jù)傳輸

2、?？梢灶A見，未來的光通信系統(tǒng)將不再是一個操作完全遵循既成規(guī)范的相對靜態(tài)的網絡系統(tǒng)，動態(tài)的鏈路結構將隨著溫度，元件更換、老化，光纖維護而改變，并且需要能夠實現(xiàn)“即插即用”的光節(jié)點更好地分配光網絡資。為了保證無誤差傳輸和信號服務質量（quality of service。QoS），光性能監(jiān)測（OPM）技術中能提供信號管理、控制和優(yōu)化的服務，在動態(tài)光網絡中至關重要。OPM監(jiān)測光信噪比（optical signal-to-noise ratio

3、。OSNR）、調制格式（modulation formats。MFs）和光纖鏈路的重要參數(shù)如色散（chromatic dispersion。CD）、偏振模色散（polarization mode dispersion。PMD)、光纖非線性干擾等。未來光通信網絡將存在多個調制格式（MFs）和線路速率（MLR）（如10/40/100 Gbps），為了支持這種異質性。OPM技術應具備調制格式識別（modulation format ident

4、ification。MFI）的能力，可以準確識別光信號的調制格式并且可接入網絡節(jié)點做特定監(jiān)測。
　　異步幅度圖（Asynchronous amplitude histograms，AAHs）分析和人工神經網絡（artificial neural network。ANN）模型是實現(xiàn)OPM技術有效的方法，并且表現(xiàn)出良好的估算精度，尤其是在調制格式識別（MFI）技術中。在異質光通信網絡中，利用異步幅度圖作為神經元網絡的特征輸入可以有效地

5、實現(xiàn)調制格式識別，這是一種基于神經元網絡和異步幅度圖的調制格式識別模型。
　　在本文中，遺傳算法（GA）被引入到基于神經元網絡和異步幅度圖的調制格式識別模型中。該研究涵蓋如下：
　　首先，使用遺傳算法優(yōu)化用于識別調制格式的神經元網絡的權值和閾值?；谶z傳算法優(yōu)化的神經元網絡和異步幅度圖的調制格式識別模型可以實現(xiàn)更簡化的結構、更高的識別精度來提高光性能監(jiān)測技術的效率。
　　再者，基于“稀疏采樣”技術的啟發(fā)，本文提出了一種

6、通過遺傳算法篩選出等價于完整異步幅度圖的稀疏異步幅度圖的方法，將稀疏的異步幅度圖作為基于神經元網絡和異步幅度圖的調制格式識別模型的特征輸入。基于神經元網絡和遺傳算法篩選出的稀疏異步幅度圖的調制格式識別模型可以通過更簡化的模型結構、更低的運算復雜度來提高光性能監(jiān)測技術的效率。
　　我們對不同損傷下的六種常用的調制格式：10 Gbps NRZ-OOK,40 Gbps ODB,40 Gbps NRZ-DPSK,40 Gbps RZ-DQ