本文選題：光性能監(jiān)測 + 調(diào)制格式識別�。� 參考：《暨南大學(xué)》2016年碩士論文

【摘要】：在現(xiàn)代信息社會中,終端用戶對寬帶數(shù)據(jù)和高速應(yīng)用的需求正不斷增長,這驅(qū)動著通信網(wǎng)絡(luò)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(fù)用技術(shù)(WDM)和高級的調(diào)制方案等技術(shù)正快速發(fā)展,這使得光通信網(wǎng)絡(luò)的傳輸容量已非常接近于香農(nóng)定理下的傳輸容量限制。光通信網(wǎng)絡(luò)將繼續(xù)增大容量和靈活性,并采用異質(zhì)傳輸來支持廣泛的數(shù)據(jù)傳輸�？梢灶A(yù)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(wǎng)絡(luò)系統(tǒng),動態(tài)的鏈路結(jié)構(gòu)將隨著溫度,元件更換、老化,光纖維護而改變,并且需要能夠?qū)崿F(xiàn)“即插即用”的光節(jié)點更好地分配光網(wǎng)絡(luò)資。為了保證無誤差傳輸和信號服務(wù)質(zhì)量(quality of service,QoS),光性能監(jiān)測(OPM)技術(shù)中能提供信號管理、控制和優(yōu)化的服務(wù),在動態(tài)光網(wǎng)絡(luò)中至關(guān)重要。OPM監(jiān)測光信噪比(optical signal-to-noise ratio,OSNR)、調(diào)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(wǎng)絡(luò)將存在多個調(diào)制格式(MFs)和線路速率(MLR)(如10/40/100 Gbps),為了支持這種異質(zhì)性,OPM技術(shù)應(yīng)具備調(diào)制格式識別(modulation format identification,MFI)的能力,可以準確識別光信號的調(diào)制格式并且可接入網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)模型是實現(xiàn)OPM技術(shù)有效的方法,并且表現(xiàn)出良好的估算精度,尤其是在調(diào)制格式識別(MFI)技術(shù)中。在異質(zhì)光通信網(wǎng)絡(luò)中,利用異步幅度圖作為神經(jīng)元網(wǎng)絡(luò)的特征輸入可以有效地實現(xiàn)調(diào)制格式識別,這是一種基于神經(jīng)元網(wǎng)絡(luò)和異步幅度圖的調(diào)制格式識別模型。在本文中,遺傳算法(GA)被引入到基于神經(jīng)元網(wǎng)絡(luò)和異步幅度圖的調(diào)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(diào)制格式的神經(jīng)元網(wǎng)絡(luò)的權(quán)值和閾值�；谶z傳算法優(yōu)化的神經(jīng)元網(wǎng)絡(luò)和異步幅度圖的調(diào)制格式識別模型可以實現(xiàn)更簡化的結(jié)構(gòu)、更高的識別精度來提高光性能監(jiān)測技術(shù)的效率。再者,基于“稀疏采樣”技術(shù)的啟發(fā),本文提出了一種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(jīng)元網(wǎng)絡(luò)和異步幅度圖的調(diào)制格式識別模型的特征輸入�；谏窠�(jīng)元網(wǎng)絡(luò)和遺傳算法篩選出的稀疏異步幅度圖的調(diào)制格式識別模型可以通過更簡化的模型結(jié)構(gòu)、更低的運算復(fù)雜度來提高光性能監(jiān)測技術(shù)的效率。我們對不同損傷下的六種常用的調(diào)制格式:10 Gbps NRZ-OOK,40 Gbps ODB,40 Gbps NRZ-DPSK,40 Gbps RZ-DQPSK,100 Gbps PDM-RZ-QPSK和200 Gbps PDM-NRZ-16QAM做了大量的仿真實驗。實驗結(jié)果證明這兩種新的調(diào)制格式識別模型能提高光性能監(jiān)測技術(shù)的效率。
[Abstract]:In the modern information society, the demand of end users for broadband data and high-speed applications is growing, which drives the continuous upgrading of communication networks. In order to increase data transmission, single-mode optical fiber single-mode laser single-frequency laser with narrow linewidth, erbium-doped fiber amplifier EDFAA, wavelength division multiplexing (WDM) and advanced modulation schemes are developing rapidly. This makes the transmission capacity of optical communication network very close to the limit of transmission capacity under Shannon theorem. Optical communication networks will continue to increase capacity, flexibility and heterogeneous transmission to support a wide range of data transmission. It can be predicted that the future optical communication system will no longer be a relatively static network system that operates completely in accordance with the established specifications, and the dynamic link structure will change with temperature, component replacement, aging, and optical fiber maintenance. And the optical nodes that can realize plug-and-play are needed to allocate the network capital better. In order to ensure error-free transmission and quality of service quality of QoS (quality of service), optical performance monitoring (OPMN) technology can provide signal management, control and optimization services. In dynamic optical networks, it is very important to monitor optical signal-to-noise optical signal to noise ratio (SNR), modulation formats (MFs) and important parameters of fiber links such as dispersion chromatic dispersion, polarization mode dispersion (PMD), optical fiber nonlinear interference and so on. In the future, optical communication networks will have multiple modulation formats (MFs) and line rate (such as 10 / 40 / 100 Gbpss). In order to support this heterogeneity, OPM technology should have the capability of modulation format recognition and modulation format identification. The modulation format of the optical signal can be accurately identified and can be accessed to the network node for specific monitoring. Asynchronous amplitude histogramsm analysis and artificial neural network Ann model are effective methods to realize OPM technology, and show good estimation accuracy, especially in modulation format recognition. In heterogeneous optical communication networks, modulation format recognition can be realized effectively by using asynchronous amplitude graph as the characteristic input of neural network, which is a modulation format recognition model based on neural network and asynchronous amplitude diagram. In this paper, genetic algorithm (GA) is introduced into the modulation format recognition model based on neural networks and asynchronous amplitude diagrams. The research covers the following aspects: firstly, genetic algorithm is used to optimize the weights and thresholds of neural networks to identify modulation formats. The neural network based on genetic algorithm and the modulation pattern recognition model based on asynchronous amplitude diagram can achieve more simplified structure and higher recognition accuracy to improve the efficiency of optical performance monitoring technology. Furthermore, based on the heuristic of "sparse sampling" technique, this paper proposes a method of screening sparse asynchronous amplitude graphs equivalent to complete asynchronous amplitude graphs by genetic algorithm. The sparse asynchronous amplitude graph is used as the feature input of the modulation format recognition model based on neural network and asynchronous amplitude diagram. The modulation format recognition model based on neural network and genetic algorithm can improve the efficiency of optical performance monitoring technology by simplified model structure and lower computational complexity. We have done a lot of simulation experiments on six common modulation formats: 10 Gbps NRZ-OKO 40 Gbps ODBN 40 Gbps NRZ-DPSKN 40 Gbps RZ-DQPSK Gbps PDM-RZ-QPSK and 200 Gbps PDM-NRZ-16QAM under different damage conditions. Experimental results show that the two new modulation pattern recognition models can improve the efficiency of optical performance monitoring technology.
【學(xué)位授予單位】：暨南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN929.1

【相似文獻】

相關(guān)期刊論文 前10條

1 王玉濤,顏華,周建常,王師;一種自組織模糊神經(jīng)元網(wǎng)絡(luò)控制學(xué)習(xí)方法及其應(yīng)用[J];東北大學(xué)學(xué)報;1998年04期

2 吳宏岐;用神經(jīng)元網(wǎng)絡(luò)進行控制系統(tǒng)故障診斷的研究[J];寶雞文理學(xué)院學(xué)報(自然科學(xué)版);2000年03期

3 何新貴,梁久禎;過程神經(jīng)元網(wǎng)絡(luò)的若干理論問題[J];中國工程科學(xué);2000年12期

4 張平安,王慧琴,李人厚;一種新的模糊神經(jīng)元網(wǎng)絡(luò)建模方法[J];西安建筑科技大學(xué)學(xué)報(自然科學(xué)版);2000年02期

5 張德干,郝先臣,尹國成,趙海;基于神經(jīng)元網(wǎng)絡(luò)的發(fā)電機融合控制方法[J];東北大學(xué)學(xué)報;2001年03期

6 邵華,趙宏;一種與神經(jīng)元網(wǎng)絡(luò)雜交的決策樹算法[J];小型微型計算機系統(tǒng);2001年08期

7 趙彬;用神經(jīng)元網(wǎng)絡(luò)進行控制系統(tǒng)故障診斷的研究[J];焊管;2001年05期

8 強茂山,宋旭升;神經(jīng)元網(wǎng)絡(luò)在水電項目快速估價系統(tǒng)中的應(yīng)用[J];水力發(fā)電學(xué)報;2002年S1期

9 鄭明方,史國棟;加氫精制神經(jīng)元網(wǎng)絡(luò)模型的研究[J];江蘇石油化工學(xué)院學(xué)報;2002年01期

10 張德干,郝先臣,朱紅艷,趙海;一種新的模糊神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)方法[J];計算機工程;2002年01期

相關(guān)會議論文 前10條

1 王青云;;時滯對神經(jīng)元網(wǎng)絡(luò)時空同步的作用[A];第三屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2009年

2 王青云;;神經(jīng)元網(wǎng)絡(luò)系統(tǒng)的非線性時空動力學(xué)[A];第四屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2010年

3 孫曉娟;;噪聲激勵下多層次神經(jīng)元網(wǎng)絡(luò)放電的動力學(xué)行為特性研究[A];第七屆全國動力學(xué)與控制青年學(xué)者研討會論文摘要集[C];2013年

4 鄭艷紅;陸啟韶;;噪聲影響下的格子耦合神經(jīng)元網(wǎng)絡(luò)的斑圖和同步[A];第八屆全國動力學(xué)與控制學(xué)術(shù)會議論文集[C];2008年

5 李玉葉;張慧敏;魏春玲;楊明浩;王青云;古華光;任維;;隨機信號在神經(jīng)元網(wǎng)絡(luò)中誘發(fā)的多次空間相干共振[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

6 沈瑜;侯中懷;;從簇放電振幅推測耦合神經(jīng)元網(wǎng)絡(luò)的度分布性質(zhì)[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

7 陳劍飛;王一玲;林偉;;用神經(jīng)元網(wǎng)絡(luò)模型求解多目標決策問題[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

8 劉獻心;黃布毅;;神經(jīng)元網(wǎng)絡(luò)與模糊控制的融合[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

9 曾貴生;柯益華;;神經(jīng)元網(wǎng)絡(luò)在厭氧流化床反應(yīng)器動態(tài)建模中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

10 陳克貴;沈平;;神經(jīng)元網(wǎng)絡(luò)用于建立預(yù)估模型的研究[A];1996年中國智能自動化學(xué)術(shù)會議論文集（上冊）[C];1996年

相關(guān)重要報紙文章 前3條

1 ;GF Srl開發(fā)出用于包裝過程檢測的系統(tǒng)[N];中國包裝報;2005年

2 老鬼阿定;“深度學(xué)習(xí)”技術(shù)進展令人振奮[N];計算機世界;2014年

3 王瀟瀟 楊義勇;我國研發(fā)高分辨“腦地圖”可視儀[N];光明日報;2013年

相關(guān)博士學(xué)位論文 前10條

1 王彩霞;Rulkov和Head direction神經(jīng)元及神經(jīng)元網(wǎng)絡(luò)的動力學(xué)分析[D];北京交通大學(xué);2016年

2 汪雷;適應(yīng)性電流調(diào)控下視網(wǎng)膜神經(jīng)節(jié)細胞及電突觸連接神經(jīng)元網(wǎng)絡(luò)活動特性的研究[D];上海交通大學(xué);2015年

3 李玉葉;三類神經(jīng)元網(wǎng)絡(luò)的時空動力學(xué)行為研究[D];陜西師范大學(xué);2012年

4 秦迎梅;神經(jīng)元網(wǎng)絡(luò)的共振效應(yīng)—信息的檢測與傳導(dǎo)[D];天津大學(xué);2014年

5 賈晨輝;基于辨識與控制的神經(jīng)元網(wǎng)絡(luò)模型特性研究[D];天津大學(xué);2012年

6 李向?qū)?基于多微電極陣列的培養(yǎng)神經(jīng)元網(wǎng)絡(luò)特性初探[D];華中科技大學(xué);2007年

7 李艷玲;培養(yǎng)神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)模型構(gòu)建及機理研究[D];華中科技大學(xué);2007年

8 盧梅麗;基于相響應(yīng)的神經(jīng)元網(wǎng)絡(luò)同步的優(yōu)化控制[D];天津大學(xué);2013年

9 于海濤;神經(jīng)元網(wǎng)絡(luò)的同步、共振及控制研究[D];天津大學(xué);2012年

10 陳傳平;基于多電極陣列的培養(yǎng)神經(jīng)元網(wǎng)絡(luò)動態(tài)特征分析[D];華中科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 趙愛清;神經(jīng)元網(wǎng)絡(luò)分析與多FPGA實現(xiàn)[D];天津職業(yè)技術(shù)師范大學(xué);2015年

2 王琦;自突觸和內(nèi)噪聲作用下神經(jīng)元網(wǎng)絡(luò)動力學(xué)行為研究[D];魯東大學(xué);2016年

3 張舒婷;基于遺傳算法優(yōu)化神經(jīng)元網(wǎng)絡(luò)和異步幅度圖的調(diào)制格式識別研究[D];暨南大學(xué);2016年

4 時t@;數(shù)字神經(jīng)元網(wǎng)絡(luò)的實現(xiàn)與分析研究[D];天津大學(xué);2009年

5 鄭群現(xiàn);具有不可靠突觸的神經(jīng)元網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2011年

6 寧維蓮;耦合神經(jīng)元網(wǎng)絡(luò)的隨機動力學(xué)行為研究[D];廣西師范大學(xué);2012年

7 胡麗萍;耦合時滯作用下模塊神經(jīng)元網(wǎng)絡(luò)的簇同步及同步抑制研究[D];陜西師范大學(xué);2015年

8 陳建春;延遲耦合神經(jīng)元網(wǎng)絡(luò)的研究[D];浙江師范大學(xué);2015年

9 王夢松;RBF神經(jīng)元網(wǎng)絡(luò)的研究及其在復(fù)雜化學(xué)信息處理中的應(yīng)用[D];浙江大學(xué);2002年

10 賈晨輝;神經(jīng)元網(wǎng)絡(luò)同步的分析與控制[D];天津大學(xué);2010年

，

本文編號：1922674