基于眼图重构和人工神经网络的光性能监测

提出了一种基于异步降频光采样眼图重构和人工神经网络(ANN)的光性能监测(OPM)新方法。首先对被监测光信号进行异步降频光采样,通过软件同步算法进行眼图重构;然后提取重构眼图的特征参数对ANN进行训练;最后以ANN的预测输出对光信号的损伤进行监测。构建10 Gb/s NRZ-OOK4、0 Gb/s RZ-OOK和40 Gb/s RZ-DPSK仿真实验系统,进行光信噪比(OSNR)和色散(CD)参数监测。结果表明,本文方法进行OPM具有较高的精度,ANN预测输出与测试数据的相关系数大于0.98,损伤监测的平均误差小于5%。

线性调频z变换在光采样光性能监测中的应用

研究采用异步降频光采样技术进行光性能监测的方法,通过软件同步算法对采样信号进行眼图重构和Q值监测.在软件同步算法中使用线性调频z变换(CZT)对离散傅里叶变换频谱进行局部细化,提高频谱分辨率,获取准确的眼图重构时间参数.仿真实验表明,CZT算法能够准确重构被监测光信号的眼图并测量Q值,在算法精度和稳定度方面都优于目前已有算法,且计算时间进一步降低40%.该方法快速、准确,能够很好地应用于光采样光性能监测系统.