基于卷积神经网络的多任务光性能监测

针对光纤传输系统中多重物理损伤效应严重影响传输性能的情况,为保障高速光传输网络的正常运行,对传输信号进行光性能监测是必不可少的。提出一种基于卷积神经网络(CNN)的多任务光性能监测研究方案,将强度轮廓与强度波动特征作为CNN模型输入,对传输信号调制格式与光信噪比(OSNR)进行联合监测。研究结果表明,所有调制格式(28-GBaud PDMQPSK/-8QAM/-16QAM/-32QAM/-64QAM)均可在20%前向纠错(FEC)阈值条件(误码率为2.4×10^(-2))所对应的OSNR下实现100%的识别精度。此外,当强度轮廓特征、强度波动特征和两种特征联合作为神经网络模型输入时,OSNR监测的平均绝对误差分别为0.282 dB、0.245 dB、0.165 dB,均方根误差分别为0.352 dB、0.311 dB、0.218 dB。随后,进一步研究了残余色散度对所提方案监测性能的影响。