基于机器学习的光谱识别与带内OSNR监测

发布时间：2021-11-11 19:46

　　目前光纤通信系统正朝着超高速、超大容量、超长距离和动态可重构的方向发展。在这样的发展趋势下为了实现光网络的智能化管理,需要对各种速率和调制格式的光信号进行识别,并对其关键质量指标光信噪比（OSNR）进行监测。本文围绕基于机器学习的信号光谱识别技术和带内OSNR监测技术展开研究,其中信号光谱采用新型的基于受激布里渊散射的超高分辨率光谱仪进行测量。本文首先介绍了相关技术的研究背景和发展现状,然后提出了一种基于主成分分析和支持向量机的信号光谱识别方法,实现了九种常用信号的准确识别,具有对色散、偏振模色散、非线性效应以及级联滤波效应容限大的优点。在此基础上提出了一种新型的基于参考光谱法的带内OSNR监测方法,解决了以往同类方法无法实现动态光网络中光信号OSNR监测、对调制失真以及链路条件变化敏感的问题,具有精度高,对信号损伤容限大的优点。 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

基于SBS超高分辨率光谱仪结构示意图

图 3-7 γ 和 C 对分类识别率的影响识别效果与分析用得到训练集光谱同样的方法获得一个样本量为 32400 的测试集，同样也包括。表 3-3 给出了各种信号的识别率，尽管存在 OSNR 劣化，BVD，DVSV， 等各种畸变，平均识别率仍然能达到 96.97%。表 3-3 九种信号的识别率1 2 3 4 5 6 7 8 91 99.97% - 0.31% - - - - - -2 - 99.03% - 0.19% - - - -3 0.03% - 99.69% - - - - - -4 - 0.97% - 99.75% - - - 0.81% -

【参考文献】：
期刊论文
[1]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)

博士论文
[1]高速相干光通信系统中关键技术的研究[D]. 陶金晶.北京邮电大学 2014
[2]数字信号处理算法在相干光通信系统中的应用研究[D]. 王大伟.浙江大学 2013

硕士论文
[1]光信号的识别技术研究[D]. 尚进.华中科技大学 2016
[2]WDM光纤通信系统中非线性影响及其仿真研究[D]. 刘鹏.哈尔滨工程大学 2008



本文编号：3489421