光收发机IQ损伤宽范围联合估计新型DSP方案 下载: 874次
1 引言
近年来,云计算与大数据业务等互联网应用蓬勃发展,驱动全球互联网流量持续增长。光纤通信系统通过使用超高波特率、高阶调制格式信号,有效提升了系统频谱效率,支撑互联网海量信息传送。在此背景下,光信号更容易受到硬件损伤的影响,其中由发射机中同相/正交(IQ)调制器或接收机中的混频器及跨阻放大器所引起的IQ损伤最为明显,这些损伤包括了IQ幅度、相位不平衡及时钟偏移[1]。IQ幅度不平衡会使信号星座图产生横向或纵向拉伸变形;IQ相位不平衡会使星座图呈现菱形分布;IQ时钟偏移会使信号的同相与正交分量产生时钟错位。三种损伤均会严重影响信号,进而恶化光通信系统的通信质量。因此,准确监测与估计这些硬件损伤有助于及时地进行系统校正或光电收发模块损伤诊断,对保证光传输系统稳定工作具有非常重要的作用。
针对信号IQ不平衡及时钟偏移的估计,现有多种不同技术方案被提出。例如Liang等[2]在2019年提出了一种基于多输入、多输出的损伤估计方法,该方法能同时估计发射端与接收端的IQ幅度、相位不平衡及时钟偏移损伤,且获得了较高的估计精度。然而当损伤较大时,整个系统会因为偏振解复用算法无法收敛或因载波相位恢复算法性能恶化而失效,进而造成该方案只能在较小范围内估计发射端IQ不平衡损伤。类似的技术方案还包括基于椭圆修正的损伤估计法[3]、基于机器学习的损伤估计方法[4]等。这些方案大多是着重讨论收发机损伤估计模块本身, 并没有探究系统硬件损伤和本征干扰的耦合机理,忽视了收发机损伤对于偏振解复用或载波相位恢复等算法的不利影响,从而导致整体方案的损伤估计范围不足。Zhang等[5]针对这个问题,提出了一种基于独立成分分析的偏振解复用及损伤估计方法,该方法能在较宽范围内估计接收端的不平衡损伤;然而该方案中的偏振解复用算法在频偏损伤存在时无法有效进行,即无法通过频偏隔离收发端不平衡损伤[6],因此无法对接收端与发射端损伤进行联合估计。总之,由于偏振解复用算法及载波相位恢复算法对IQ不平衡及时钟偏移损伤较为敏感,现阶段已有方案无法对收发端宽范围IQ不平衡及时钟偏移损伤进行联合估计。
本文提出了一种新型数字信号处理(DSP)方案来提升IQ不平衡及时钟偏移的估计范围,该DSP方案采用基于最大似然的独立成分分析方法(ML-ICA)进行偏振解复用,并使用级联的基于判决引导的最小均方算法(DDLMS)进行载波相位恢复与损伤估计。改进后的DSP方案相比传统方案对IQ幅度、相位不平衡的估计范围均有大幅增大,能对光收发机IQ幅度、相位不平衡及时钟偏移进行宽范围联合估计。
2 基本原理
传统DSP方案常使用恒模算法(CMA)或其改进算法进行偏振解复用[7-8],使用盲相位搜索算法(BPS)或卡尔曼算法等进行载波相位恢复[9-11]。然而,在进行偏振解复用或载波相位恢复时,如果光信号受到发射端IQ幅度、相位不平衡及时钟偏移损伤的影响,特别是当损伤较大时,CMA会无法收敛,BPS会出现多解的情况,这些问题最终将导致损伤估计算法的整体失效。针对这一关键技术障碍,本文提出了基于最大似然独立成分分析的解偏算法与级联的基于判决引导的最小均方算法,二者分别提高了偏振解复用算法和载波相位恢复算法对IQ不平衡损伤的容忍度,使得所提DSP方案对IQ不平衡及时钟偏移损伤具有更大估计范围。
2.1 基于ML-ICA的偏振解复用方法
假定观测到的信号为x,源信号为s,A为混合矩阵,则混合向量可以描述[12]为
其概率密度可写为
式中:det表示矩阵的行列式;i为观测信号的序号;W为A的逆,且可表示为W=[w1,…,wi,…,wn]T,其中wi为第i个观测信号的分离矩阵,n为观测信号的数目;T表示求转置;pi为独立成分的概率密度。假定对信号x进行了N次观测,那么似然度可以通过将N个密度估计值相乘得到,似然度记为L,把它作为W的函数,即
式中:E(·)为求均值而非数学期望。观察(3)式可发现模型中信号的概率密度未知,通常研究人员会根据实际情况使用一些简单的密度簇来近似表示信号的概率密度。研究证明,这样的近似并不会影响算法中极大似然估计的一致性。得到信号的概率密度后,当似然度L取值最大时,即可认为此时的W为最佳分离矩阵。为了求得此分离矩阵W,本文采用自然梯度下降法,先根据(3)式取对数似然度的随机梯度,即
式中:φ(·)为评分函数,那么第i次观测的评分函数可表示为
式中:p'i为pi的导数。那么可以得到最大似然的估计式为
此时,由于矩阵W为正交矩阵[11],可得WTW=I。将(6)式右边乘以WTW,即可得到自然梯度法的表达式为
有了求取分离矩阵的方法,即可对光信号的两个偏振数据进行分离。光信号的概率密度普遍呈现次高斯分布,因此假设其概率密度为
式中:Z为光信号;α为常数;cosh(·)为双曲余弦函数。那么其评分函数为
相干光通信系统接收的光信号为复信号,当Z为复数时,φ(Z)所对应的概率密度与Z为实数时的概率密度略微不同。为了更准确地表示概率密度,本文采用将其实部与虚部分开处理的方法。最后结合自然梯度下降法得到总的表达式为
式中:Zin,Zout,Wk,k分别为输入信号、输出信号、分离矩阵及信号序号;R(·)与I(·)分别为取信号实部与虚部;μ为迭代步长;H为共轭转置[5]。(11)式是根据(7)式得到的,是自然梯度法的具体表示。利用(9)式分别处理信号的实部和虚部,即可得到(12)式。
2.2 级联的直接判决最小均方差算法
如
图 1. 级联的DDLMS。(a) DDLMS流程;(b)级联的DDLMS结构
Fig. 1. Cascaded DDLMS. (a) Diagram of DDLMS flow; (b) structure of cascaded DDLMS
如
式中:M11,M12,M21,M21分别为逆矩阵M在对应矩阵位置上的值;g为幅度不平衡值;θ为相位不平衡值;φ为相位噪声。由于滤波器长度为1,所以此时算法得到的结果没有包含时钟偏移损伤。通过对逆矩阵的元素进行如下计算可得到幅度、相位不平衡值分别为
第二级DDLMS中使用的滤波器长度为7,通过提取滤波器系数得到的损伤逆矩阵U为
式中:U11,U12,U21,U22为逆矩阵U的元素;t为时钟变量;δ(·)为单位冲击函数;τ为IQ时钟偏移损伤。通过傅里叶变换可将信号在时域的时延转换为频域相位变化,因此,将矩阵U中元素U11、U22的傅里叶变换进行共轭相乘得到
式中:ϕ(f)表示在频率f处的相位值;arg{·}为取相位操作;conj[·]为取共轭;FFT(·)为傅里叶变换操作。则有
由于在第一级DDLMS中已经将相位噪声基本清除,留下的残余相位噪声很小,不足以影响IQ时钟偏移的估计。因此通过这种级联的方法能获得一个较为准确的IQ时钟偏移估计值。
3 仿真分析
为了探究所提出的两种方法对于IQ幅度、相位不平衡及时钟偏移损伤的估计范围及估计精度的影响,本文采用如
本文使用了如
为了更好地比较各个DSP方案的优劣,首先只考虑一种发射端损伤单独存在时的情况。仿真结果如
图 4. 3种DSP方案的仿真结果。(a)发射端(Tx)IQ幅度不平衡;(b)发射端IQ相位不平衡;(c)发射端IQ时钟偏移
Fig. 4. Simulation results of three DSP schemes. (a) IQ amplitude imbalance of Tx; (b) IQ phase imbalance of Tx; (c) IQ time skew of Tx
接下来,采用本文提出的DSP方案仿真了发射端、接收端损伤均存在的情况下的联合估计结果(
图 5. 收发端联合估计时的估计误差。(a)(d) IQ幅度不平衡;(b)(e) IQ相位不平衡;(c)(f) IQ时钟偏移
Fig. 5. Error of transceiver joint estimation. (a)(d) IQ amplitude imbalance; (b)(e) IQ phase imbalance; (c)(f) IQ time skew
4 结论
提出了一种光收发机IQ不平衡及时钟偏移损伤的宽范围联合估计方案。该方案根据频偏对收、发端损伤的隔离作用, 完成了对收发机损伤的分离,进一步通过应用ML-ICA和级联的DDLMS,提升了偏振解复用算法与载波相位恢复算法对不平衡损伤及IQ时钟偏移的容忍度,最终实现了宽范围IQ损伤联合估计。
仿真结果表明,相比使用CMA和BPS的传统DSP方案,所提方案对发射端的幅度不平衡的估计范围提升了100%,对发射端的相位不平衡的估计范围提升了33.3%,能以0.25 dB的误差代价估计[-6 dB, 6 dB]的发射端幅度不平衡,能以1.1°的误差代价估计[-40°, 40°]的发射端相位不平衡,能以0.4 ps的误差代价估计[-16 ps,16 ps]的发射端IQ时钟偏移。由此可见,所提方案可对收发机的IQ不平衡及时钟偏移损伤进行宽范围联合估计,可以更好地估计光通信系统硬件损伤,保证系统性能的可监测性与稳定性。
[1] Faruk M S, Savory S J. Digital signal processing for coherent transceivers employing multilevel formats[J]. Journal of Lightwave Technology, 2017, 35(5): 1125-1141.
[2] Liang J P, Fan Y Y, Tao Z N, et al. 4830[J]. monitoring by receiver DSP. Journal of Lightwave Technology, 2019, PP(99): 1.
[4] DaiX, LuoM, LiX. Machine learning aided in-phase/quadrature skew and imbalance calibration for coherent optical transmitters[C]∥2019 Optical Fiber Communications Conference and Exhibition (OFC). March 3-7, 2019, San Diego, CA, USA.New York: IEEE Press, 2019: W2A. 44.
[6] Liang JP, Fan YY, Tao ZN, et al.Transceiver in-phase and quadrature imbalance monitoring by two stage MIMO equalizers[C]∥2018 Asia Communications and Photonics Conference (ACP), October 26-29, 2018, Hangzhou, China.New York: IEEE Press, 2018: 1- 4.
[7] Nguyen TH, ScalartP, JoindotM, et al.Joint simple blind IQ imbalance compensation and adaptive equalization for 16-QAM optical communications[C]∥2015 IEEE International Conference on Communications (ICC), June 8-12, 2015, London, UK.New York: IEEE Press, 2015: 4913- 4918.
[8] 冯勇, 闻和, 张汉一. 偏振复用差分相移键控信号的数字相干解调与偏振解复用算法研究[J]. 光学学报, 2010, 30(5): 1268-1273.
[10] 李耀祖, 王目光, 郭玉箫, 等. 基于简化扩展卡尔曼滤波的双偏振载波相位恢复算法[J]. 光学学报, 2019, 39(11): 1106005.
[11] 张杰, 邱琪. 一种高精度的四次方载波相位恢复算法[J]. 激光与光电子学进展, 2019, 56(13): 130604.
[12] 海韦里恩, 朱哈·卡胡伦, 耳开·欧加. 独立成分分析[M]. 1版. 周宗潭, 董国华, 徐昕, 等, 译. 北京: 电子工业出版社, 2007: 145- 155.
AapoH, Juha.K, Erkki O. Independent component analysis[M]. 1st ed. Zhou Z T, Dong G H, Xu X, et al, Transl. Beijing: Electronic Industry Press, 2007: 145- 155.
Article Outline
辜超, 杨彦甫, 张群, 林志颖, 向前. 光收发机IQ损伤宽范围联合估计新型DSP方案[J]. 光学学报, 2021, 41(5): 0506001. Chao Gu, Yanfu Yang, Qun Zhang, Zhiying Lin, Qian Xiang. New DSP Scheme for Joint Wide-Range Estimation of IQ Impairment in Optical Transceiver[J]. Acta Optica Sinica, 2021, 41(5): 0506001.