针对传统相干光通信系统中光纤链路传输性能评估方法理论计算复杂且计算时间较长的问题，文章采用机器学习技术对调制格式和输入光功率等参数各异信道的相干光传输系统传输性能进行关联式建模和精确评估。建模和评估结果表明，该机器学习模型能够代替复杂的理论计算，并且能够较为准确地给出预测值，理论计算值与模型预测Q值整体的平均误差为0.27 dB,理论计算值与模型预测光信噪比（OSNR）值整体的平均误差为0.33 dB；采用机器学习模型的计算时间稳定在4.4 s左右，而采用理论计算的时间随着干扰信道个数的增加计算时间逐渐增加。

激光器频偏和相位噪声是限制COOFDM（相干光正交频分复用）系统性能的重要因素。文章提出了COOFDM系统中基于差分预编码和MCDD (多载波差分检测)算法的激光器相位噪声和频偏联合补偿方案。对COOFDM系统中的频偏和激光器相位噪声作用机理和基于MCDD的补偿方案机制进行了理论推导，并在不同的光信噪比、激光器频偏和线宽条件下进行了系统仿真。仿真结果表明，基于差分预编码和MCDD的联合补偿方法对COOFDM系统中的激光器频偏和相位噪声有较好的补偿效果和较大的补偿范围，在不引入系统开销的同时，可有效改善COOFDM系统性能。

针对高速相干光通信系统中激光器相位噪声和频偏估计的补偿问题,设计了基于MSDD(多符号差分检测)的相位恢复算法,研究了在ASE(自激发射放大)噪声、激光器线宽和频偏等因素影响下的系统性能和MSDD算法的补偿能力.仿真结果表明,自适应MSDD算法对激光器线宽和频偏的补偿效果显著,对线宽为1 MHz、频偏为100 MHz的20 GBaud QPSK(正交相移键控)系统,误码率为10-3时的OSNR(光信噪比)代价仅为0.6 dB.

Two novel dynamical quality of transmission (QoT) optimization schemes with explicit optimization targets and accurate end-to-end QoT estimation are proposed for reconfigurable transparent wavelength-division multiplexing (WDM) networks. Numerical simulations show that the scheme of quality (Q) best has the best Q factor improvement with large attenuation adjustment. The scheme of Q allowable can achieve minimized number of tuning sites and attenuation adjustment and also improve the Q factor of light path to the required value. In addition, the idea of dynamic QoT optimization and global impairment control has been experimentally demonstrated on a simple mesh network by the cooperation of a control plane and tunable devices.