文|逸屹川
编辑|逸屹川
光纤通信顾名思义是以光纤为载体，将光脉冲搭载在光纤上来传递信息的一种通信手段。
大陆最古老的光通信就是我们大家所熟悉的春秋战国时期的“烽火”，而且现在依然在用的信号灯、旗语等均可被认为是传统的光通信形式。
近年来，随着计算机技术、数据挖掘技术和人工智能技术的快速开展以及对社会各个领域的持续应用，信息科学技术已然对社会和经济发展产生了巨大的作用。
进入21世纪，随着信息化的迅猛发展，信息化在全球范围内不断被应用，信息和通信已然成为当今社会发展的根基所在。
目前，以物联网、大数据挖掘为典型象征的互联网技术，对海量数据处理、新一代信息技术的监测与开发带来了新的变革。
近十年来，随着互联网用户数量的增加，用户对带宽的需求也越来越大，光纤通信技术的快速发展对传输网络和传输性能的要求日益增强。
诸如有线通信等传统的通信方式已经不能适应现代社会对信息容量和传输速率的发展未来的动态异构光网络结构会使网络维护、管理的难度逐渐上升。
所以可靠稳定的网络资源分类和性能保障变得至关重要。
优越的性能监测技术可以实现有效地故障信息判断和故障反馈，并可以实时监测损伤来源和评估损伤影响，以完成准确的损伤分析及补偿。
在未来的光网络领域，实现在光域层面的性能监测将成为网络资源合理分配与网络性能管理的关键技术之一。
光性能监测技术研究
自1990年代初以来，随着WDM系统的产生，研究人员对OPM产生了浓厚的兴趣，并对OPM进行了各种定义。
从宏观角度来看，OPM是指监测光域中信号的健康状态。
OPM的最初目的就是保障网络服务公司和网络个体间的服务等级协定(SLA)。
传统OPM是指在SONET/SDH层为保证QoS监测位或数据块误码率而采用的实施方案。
OPM可以简单概括为三层，第一层是信道管理层监测，它涉及到确定信道传输和信道管理所必需的光域特性。
需要监测的关键参数为总功率、单通道功率以及信道波长漂移等。
虽然以上参数监测起来简单易行，但是对它们的性能监测不能完全表征整个光网络系统的质量状态。
第二层是信道质量层监测，它是针对在单个波长上执行信号转换的敏感测量。
可以在信号质量层中分析的特征示例包括眼图、Q因子、光信噪比(OSNR)、色散、偏振膜色散、非线性效应、抖动以及串扰等。
第三层是协议性能监测(PPM)，主要包括用于推断模拟光信号特性的数字测量，如误码率。
第二层与第三层的监测统称为高级OPM，因为这些参数的损伤通常不是直观的，往往需要更复杂的监测方法，并且这些损伤经常相互重叠、相互影响，很难对其进行监测。
在过去几十年中，研究者们提出了大量先进的OPM技术并对其进行了分类。
根据待测目标的区别，OPM大致包括数字和模拟两种手段。数字OPM技术利用高速电子逻辑设备处理编码在光波形上的数字信息。
对数字信号的测量用于推断光信号的特性，数字方法与误码率的相关性最强，但通常在隔离个别损伤的影响方面效果较差。
模拟OPM技术将光信号看作模拟波形，并尝试对物理层中波形的某些特定参量进行测量。
光信号的模拟参数一般与协议无关，而与信号衰减的起源紧密相关。
根据模拟特征是否属于时域波形、频谱还是偏振态，可以进一步划分为时域监测技术、频域监测技术以及偏振域监测技术。
时域监测技术主要是通过对信号波形进行采样来实现的，监测原理是通过时域采样在接收端获得能反映信号质量的一系列指标。
然后利用这些参数指标来判断光纤传输系统中的损伤对传输信号带来的破坏程度。
时域监测技术又具体细分为同步采样技术和异步采样技术，同步采样技术实现起来比较困难，虽然它在接收端不存在时钟恢复，但是该方法不能同时实现多个质量参数的监测。
异步采样技术主要包括异步幅度直方图(AAH)、异步延时抽头采样(ADTS)以及异步单信道采样技术(ASCS)。
异步采样技术可以在不利用时钟恢复的情况下完成对传输链路中多个参数的联合监测。
时域监测技术在WDM网络中需要的成本十分昂贵，因为每个网元中需要配合解复用器和光电转换设备来实行监测。
并且时域监测方法的反应时间一般在毫秒级，无法满足动态网络的需求。
调制格式识别技术研究网络供应商为了满足日益增长的宽带数据服务。
例如互联网协议电视、多媒体信息服务、视频点播、在线游戏等将面临不同的需求来支持这些新的高数据速率应用以及一些现有的数据服务。
因此，可以预见，未来的光纤网络将需要承载多个调制格式以支持异构业务。
并且随着高清晰度视频流、云和5G等带宽消耗服务的出现，光网络正从传统的固定架构向灵活智能的网络发展，光信号的调制格式越来越多样化和复杂化。
在接收端接收和信号解调过程中，调制格式识别(MFI)位于整个信号接收和解调过程的前端，所以MFI的准确性和效率将影响整个信号处理的结果。
另外，下一代光网络使得接收机能够从接收到的信号中对调制格式进行盲识别。
在非合作情况下，在接收端对光信号调制格式的盲识别和自动识别成为研究的热点。
为了适应现代化高速光纤传输系统的发展，下一代的光网络必然会呈现动态化和透明化，并且其中会存在不同调制格式和比特率共存的现象。
为了达到较高的智能化水平和实现自主收发功能，MFI技术对异构光网络的管理控制和自适应接收具有重要价值。
此外，由于光网络智能化水平的不断提高，光网络结构变得越来越复杂，所以提高网络的综合利用率需要有效、高效、准确的光信号质量监测。
当前的光网络正在向具有支持多种调制格式和速率自适应收发器的弹性光网络和智能认知光网络(ICON)发展。
它可以更好的分配网络资源和管理网络设备，满足通信系统传输参数的自主性和可调性，实现网络节点的智能信道管理和带宽分配等链路管理功能。
下图为MFI和OPM的关联示意图。
目前研究人员对无线信号的调制分类进行了大量的研究，但对光信号的调制格式识别方面的研究还很少。
调制格式识别流程大致包括信号初始化、特征提取和分类器设计三方面。
特征提取模块是MFI中最关键的一部分，该模块提取特征参量的优劣对分类器性能和最终分类效果起着决定性作用。
识别流程主要是从接收到的信号中提取显著特征，然后由分类器对提取的测量值进行分类和识别。
相比于基于似然的方法，基于特征的识别方法是次优的，但是该方法可以实现非协作下的识别且需要的系统成本较低，因此在具体应用中经常使用。
在MFI中，特征提取子系统对经过预处理的接收信号进行特定的变换，以获得最能反映分类差异的某个特征，并且是一个与其他调制格式信号显著不同的特征向量。
资料显示已经使用了多种特征来识别调制格式，利用二阶和四阶累积量算法对MPSK和MQAM光调制信号进行识别。
在OSNR为10-30dB的情况下，识别成功率达99%以上，并且证明了该方法对系统的强度和相位噪声具有较强的鲁棒性。
接着又提出一种调制格式的盲识别方案，该方案通过对接收端经过色散、偏振膜色散补偿以及恒模算法均衡后的样本进行峰均功率比(PAPR)来进行评估。
由于在特定OSNR下不同调制格式信号具有不同的PAPR值，所以可以根据此特征进行识别。
MFI也可以在斯托克斯空间中通过聚类的K-均值算法实现，但是该方法首先要明确K值，因此很难获得精确的识别效果。
利用光纤信号同步或异步后获取的数据进行MFI，原理是通过评估待测信号的平均功率进行实现，但是这种方法需要在解调后完成。
针对混合QAM或集分割QAM，提出了一种基于频率偏移加载实现无盲灵活收发器的快速调制格式盲识别。
学者Biekesutan对4QAM、16QAM和64QAM调制格式的光网络信号采用主成分分析和异步延迟抽头采样技术实现调制格式识别，该方法复杂度小、实现简单，可以应用到下一代光网络。
未来的动态异构光网络结构会使网络维护、管理的难度逐渐上升，所以可靠稳定的网络资源分类和性能保障变得至关重要。
优越的性能监测技术可以实现有效地故障信息判断和故障反馈，并可以实时监测损伤来源和评估损伤影响，以完成准确的损伤分析及补偿。
因此，在未来的光网络领域，实现在光域层面的性能监测将成为网络资源合理分配与网络性能管理的关键技术之一。