光纖在線特邀編輯：邵宇豐，王安蓉，王壯，楊杰，伊林芳，田青，楊琪銘，于妮
8/25/2021，光纖在線訊：2021年7月出版的JLT主要刊登了以下一些方向的文章，包括：數(shù)字信號(hào)處理、水下無(wú)線光通信、調(diào)制和解調(diào)、光纖通信和故障檢測(cè)等，筆者將逐一評(píng)析。

1.數(shù)字信號(hào)處理
浙江大學(xué)的Xiao Chen等研究人員設(shè)計(jì)了一種遠(yuǎn)距離水下無(wú)線光通信（UWOC）系統(tǒng)，如圖1所示；該系統(tǒng)采用了部分響應(yīng)成形和網(wǎng)格編碼調(diào)制（TCM）技術(shù)的數(shù)字信號(hào)處理（DSP）方案。研究人員利用部分響應(yīng)濾波器和系統(tǒng)頻譜響應(yīng)的相似性來(lái)抑制全響應(yīng)前饋均衡器引起的噪聲及失真；并應(yīng)用隨機(jī)交織器和預(yù)編碼器來(lái)消除噪聲及失真。研究結(jié)果表明，在150 m的水下信道中（標(biāo)準(zhǔn)游泳池50m*3），實(shí)現(xiàn)了500 Mbps的數(shù)據(jù)傳輸速率（最小接收光功率-29.8 dBm（BER為3.80 × 10−3）；系統(tǒng)總衰減值為53.47 dB）。該系統(tǒng)方案支持的數(shù)據(jù)傳輸速率比單獨(dú)使用部分響應(yīng)整形方案、TCM方案和最小二乘均衡方案的數(shù)據(jù)速率分別提升了 8.0%、9.2%和14.2%[1]。



2.水下無(wú)線光通信
福建工業(yè)大學(xué)的Xu-Hong Huang等研究人員設(shè)計(jì)了一種波分復(fù)用可見光水下無(wú)線光通信（WDM-VLC-UWOC）系統(tǒng)，如圖2所示。研究人員利用海水對(duì)可見光部分波長(zhǎng)的低衰減，使用兩級(jí)光注入和光電反饋方案的RGB-LD 實(shí)現(xiàn)了白光照明以及雙向高速通信。研究人員將四階脈沖幅度調(diào)制（PAM-4）與RGB三色波分復(fù)用技術(shù)相結(jié)合獲得了下行/上行150 Gbit/s傳輸速率，在使用兩組級(jí)聯(lián)傳輸光柵和一對(duì)雙凸透鏡時(shí)，分別在5m水下信道和10m自由空間信道的下行/上行鏈路分別獲得了10−9 的低誤碼率和清晰的信號(hào)眼圖。研究人員在發(fā)射/接收機(jī)側(cè)使用兩個(gè)級(jí)聯(lián)傳輸光柵來(lái)控制RGB光來(lái)生成白光，并采用塑料光纖（POF）支持完成傳輸照明。當(dāng)白光傳輸超過(guò)3 m后，仍能提供質(zhì)量較高照明亮度 (>500 lux)[2]。



3.調(diào)制和解調(diào)
南京信息工程大學(xué)的Jiajia Shen等研究人員設(shè)計(jì)了改進(jìn)洛倫茲（Lorenz）混沌系統(tǒng)的正交頻分復(fù)用無(wú)源光網(wǎng)絡(luò)（OFDM-PON），如圖3所示�；煦缣幚磉^(guò)程采用改進(jìn)的三維Lorenz映射，在傳統(tǒng)Lorenz映射基礎(chǔ)上加入了反饋因子生成3個(gè)掩蔽因子，對(duì)OFDM信號(hào)的星座圖、副載波頻率、符號(hào)從三個(gè)維度（3D）進(jìn)行了統(tǒng)一加密，進(jìn)一步提升了系統(tǒng)安全性（得到的空間密鑰級(jí)別為1090）。 由于OFDM系統(tǒng)中（逆）快速傅里葉變換（FFT/IFFT）的運(yùn)算線性度以及子載波數(shù)與傅里葉點(diǎn)數(shù)不匹配，在FFT/IFFT中使用空閑子載波運(yùn)算降低了峰均功率比（PAPR）。 研究結(jié)果表明，該系統(tǒng)中的QAM-OFDM 信號(hào)在25公里單模光纖（SMF）上，實(shí)現(xiàn)了14.7 Gbit/s的數(shù)據(jù)傳輸速率。與普通OFDM-PON相比，該系統(tǒng)以較低的計(jì)算復(fù)雜度獲得了1.6dB PAPR的性能提升[3]。 



4.光纖通信
暨南大學(xué)的Ji Zhou等研究人員設(shè)計(jì)了色散（CD）無(wú)補(bǔ)償?shù)暮５坠饫|開關(guān)鍵控（OOK）系統(tǒng)，如圖4所示。18.8 km海底光纜的CD在72Gbit/s OOK信號(hào)的36 GHz頻譜上形成四個(gè)零點(diǎn)值，引起了誤碼性能的下降。判定反饋均衡器 （DFE）可有效補(bǔ)償頻譜零點(diǎn)，但當(dāng)海底環(huán)境不穩(wěn)定導(dǎo)致突變時(shí)，DFE很容易傳播突發(fā)差錯(cuò)。因此，研究人員提出了加權(quán)DFE（WDFE）與最大似然序列估計(jì)（MLSE）相結(jié)合的方法。與DFE相比，WDFE縮短了突發(fā)差錯(cuò)的長(zhǎng)度，有利于進(jìn)行MLSE序列檢測(cè)。當(dāng)WDFE不能完全補(bǔ)償光譜零點(diǎn)時(shí)，MLSE可補(bǔ)償殘余頻譜失真。研究結(jié)果表明，與聯(lián)合DFE和MLSE算法相比，聯(lián)合WDFE和MLSE算法可以有效抑制突發(fā)差錯(cuò)傳播，獲得最大2.9 dB 的Q值提升；在BER低于7% 硬判決前向糾錯(cuò)（HD-FEC）閾值時(shí)，聯(lián)合WDFE和MLSE算法所需的接收光功率（ROP）相對(duì)于聯(lián)合DFE和MLSE算法更低（小于3dB）[4]。



5.故障檢測(cè)
北京郵電大學(xué)的Zhuotong Li等研究人員設(shè)計(jì)了基于知識(shí)圖譜的故障定位方法，如圖5所示。在大型光網(wǎng)絡(luò)內(nèi)部，會(huì)出現(xiàn)多類型的告警以表明網(wǎng)絡(luò)異常；通常告警之間關(guān)系復(fù)雜，難以準(zhǔn)確定位故障源。研究人員設(shè)計(jì)了知識(shí)引導(dǎo)型故障定位方法，利用網(wǎng)絡(luò)告警知識(shí)來(lái)分析異常狀況。他們將知識(shí)圖（KGs）引入到告警分析過(guò)程中（分析網(wǎng)絡(luò)中現(xiàn)存的告警知識(shí)/數(shù)據(jù)形式），并設(shè)計(jì)了采用圖神經(jīng)網(wǎng)絡(luò)（GNN）的推理模型，該模型連接告警KG等圖形數(shù)據(jù)，利用數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，實(shí)現(xiàn)告警相關(guān)性分析和故障定位。他們開發(fā)了一個(gè)基于開放式網(wǎng)絡(luò)操作系統(tǒng)（ONOS）的軟件定義光網(wǎng)絡(luò)（SDON）平臺(tái)進(jìn)行實(shí)驗(yàn)驗(yàn)證，其中包括報(bào)警KG的構(gòu)建和應(yīng)用流程。實(shí)驗(yàn)結(jié)果證明，該方案具有較高的準(zhǔn)確性，并為工業(yè)級(jí)規(guī)模使用KG 進(jìn)行警報(bào)分析和故障定位提供了便利[5]。



參考文獻(xiàn)
[1] X. Chen et al., “150 m/500 Mbps Underwater Wireless Optical Communication Enabled by Sensitive Detection and the Combination of Receiver-Side Partial Response Shaping and TCM Technology,” J. Light. Technol., vol. 39, no. 14, pp. 4614–4621, 2021, doi: 10.1109/JLT.2021.3077086.
[2] X. H. Huang et al., “Bidirectional White-Lighting WDM VLC-UWOC Converged Systems,” J. Light. Technol., vol. 39, no. 13, pp. 4351–4359, 2021, doi: 10.1109/JLT.2021.3073395.
[3] J. Shen et al., “Enhancing the reliability and security of OFDM-PON using modified Lorenz chaos based on the linear properties of FFT,” J. Light. Technol., vol. 39, no. 13, pp. 4294–4299, 2021, doi: 10.1109/JLT.2021.3071186.
[4] J. Zhou et al., “Burst-Error-Propagation Suppression for Decision-Feedback Equalizer in Field-Trial Submarine Fiber-Optic Communications,” J. Light. Technol., vol. 39, no. 14, pp. 4601–4606, 2021, doi: 10.1109/JLT.2021.3076822.
[5] Z. Li et al., “Fault Localization based on Knowledge Graph in Software-Defined Optical Networks,” J. Light. Technol., vol. 39, no. 13, pp. 4236–4246, 2021, doi: 10.1109/JLT.2021.3071868.