随着虚拟现实,第五代移动通信和物联网等新技术的不断发展,全球网络流量的急剧增长导致光网络容量的增加。为了满足对带宽不断增长的需求并提高频谱效率,密集波分复用技术和先进的光信号调制格式已在光网络中得到广泛采用。另外,近年来提出了通过部署可重构光分插复用器和灵活的收发器实现的弹性光网络,以充分利用物理层的资源。在这种情况下,光学性能监视对于降低运营成本,优化资源利用率以及确保光学网络的运行,管理和维护非常重要。光信噪比是最关键的光性能监测参数之一,因为它与信号误码率密切相关并且可以提供误码率劣化的预警。
李蔚教授团队首先提出了一种基于线性调频信号分数阶傅里叶变换的带内光信噪比监测技术,具有准确度较高,不易引起接收端误判,计算复杂度低等优点。随着进一步深入的研究,该团队接着提出了一种基于高斯过程回归的低成本和分布式的带内光信噪比监测方法。所需硬件设备仅包括:一个常见的低成本的可调谐大带宽光带通滤波器,一个低速光电探测器和信号处理部分。将光电探测器采集到的光功率,作为高斯过程回归算法的输入特征,将光谱仪得到的真实光信噪比作为输出单元。利用这些样本对进行训练,训练后的模型即可用来监测光信噪比。经过实验验证,该方案具有非侵入性、鲁棒特性、低成本、调制格式透明等优点。该团队的最新研究成果是一种基于多任务人工神经网络的光性能监测方法,通过多任务人工神经网络实现联合光信噪比监测、发射功率监测以及波特率识别。经过实验验证,光信噪比监测均方根误差约0.4dB,该方案具有非侵入性、鲁棒特性、低成本、调制格式透明、充分利用了频域采集特征的信息等优点。
基于以上的创新研究和工作成果,李蔚教授课题组发表了一系列的期刊学术论文,分别发表在Optics ExpressVol.28 No.7;Optics Express Vol.28 No.22;Optics Communications445(2019)36-40;IEEE Photonics Journal Vol.11 No.4上。李蔚教授指导的硕士生胡春杰、郑豪等主要参与了相关的研究工作,两人均获得国家奖学金。