盲检测模型优化
背景技术
[0001] 光通信，例如光纤通信，在一端利用光源，该端通过将数据流调制成光信号来传输一个或多个数据流。这些光信号通过诸如空气或具有内部反射表面的玻璃纤维(光纤)之类的介质到达接收器，该接收器采用光子检测模块来检测光信号。然后将检测到的光解调回一个或多个数据流。
[0002] 为了有效地利用可用的光带宽，可以通过向每个通道分配不同的光波长来创建多个不同的通道。不同的数据流可以放置在每个通道上，并通过相同的介质同时传输到相同的接收器。这种做法通常称为波分复用(WDM)。一些WDM系统允许每根光纤多达80个这样的通道，并且每通道带宽可能为40Gbit/秒，以在单根光纤上产生几乎3.1TB/秒的传输(不包括由于开销造成的损耗)。
[0003] 作为这种大带宽的结果，光纤系统正变得越来越受通信网络提供商、云服务提供商和需要非常快速地传输大量数据的其他实体的欢迎。除了承载大量数据外，光纤还具有其他优势，例如：衰减比电缆小—这提供了更长距离的通信电缆使用更少网络基础设施的好处；无电磁干扰；以及其他各种好处。
附图说明
[0004] 在不一定按比例绘制的附图中，相似的数字可以在不同的视图中描述类似的部件。具有不同字母后缀的相似数字可以代表类似组件的不同实例。附图通过示例而非限制的方式大体示出了本文件中讨论的各种实施例。
[0005] 图1图示了根据本公开的一些示例的简化的光通信系统的组件。
[0006] 图2图示了根据本公开的一些示例的在解码数据时由接收器执行的光功率级调制(OPLM)方法。
[0007] 图3图示了根据本公开的一些示例的位错误和对三个检测模型的随后的盲决策优化。
[0008] 图4图示了根据本公开的一些示例的盲更新检测模型的方法的示例。
[0009] 图5图示了根据本公开的一些示例的更新检测模型的方法。
[0010] 图6图示了根据本公开的一些示例的用于增加光纤带宽的系统的示意图。
[0011] 图7图示了根据本公开的一些示例的接收器的示意图。
[0012] 图8图示了根据本公开的一些示例的示例机器学习组件。
[0013] 图9是示出可以在其上实施一个或多个实施例的机器的示例的框图。
具体实施方式
[0014] 图1图示了根据本公开的一些示例的以光纤系统100的形式的简化的光通信系统的组件。数据流105可以包括由处理电路110处理的由更高网络层产生的二进制数据。处理电路110可以以一种或多种方式处理数据流105的数据以准备用于传输。由处理电路110执行的示例处理操作包括应用一个或多个纠错码(ECC)、压缩算法、加密算法等。由处理电路
110变换的数据然后作为控制信号传递到光源115。光源115通过根据调制方案依据输入数据选择性地开启和关闭光源来调制数据。例如，在简单的调制方案中，每个位可以在预定的时间段(例如，时隙)期间传输。在特定时隙期间，如果来自输入数据的当前位是‘1’，则在该时隙期间可以开启光源，并且如果来自输入数据的当前位是‘0’，则在该时隙期间可以关闭光源。可以使用其他更复杂的调制方案，例如幅度、相位或偏振调制。在一些示例中，可以在正弦波上调制光。
[0015] 由光源产生的光然后通过光通信路径传播到接收器。光通信路径是光源从发射光源到接收传感器所采取的路径。该路径可以通过一种或多种介质，例如单根光纤、空气等。
在图1的示例中，光通信路径穿过单根光纤120。在介质是空气的示例中，光通信路径可以是发射光源和接收器处的传感器的对准。
[0016] 接收器包括光电检测器125和处理电路130。光电检测器125收集在检测时间段内检测到的光子数量的计数，该检测时间段对应于数据流105的单个位被传输的时间量。基于光子计数，光电检测器产生数据流，然后将数据流输入到处理电路130，该处理电路应用与处理电路110应用以产生数据流135的操作的逆操作。目标是在使数据流135与数据流105匹配的同时，将数据流105尽可能快地传输到接收器。
[0017] 如已经指出的，WDM可以用于优化光通信路径的使用。诸如幅度调制(AM)和数字域功率分复用(DDPDM)等其他技术也增加了介质的带宽。将清楚地表明，这些技术都没有充分利用介质中可用的整个带宽，并且在某些情况下，这些技术存在不希望有的缺点。例如，这些技术都不允许具有两个不同光源的两个不同发射器以相同波长并通过与接收器相同的通信路径(例如，光纤)同时传输。此外，用于对每个流进行位分配的决策区域对于这些技术中的每个位组合(对应于检测到的位组合的光子计数区域)是相等的。这些对称决策区域在不同发射器具有略微不同的功率电平的情况下存在困难。最后，对于DDPDM，使用的解码、解调和干扰消除非常复杂，并且需要大量处理资源。例如，DDPDM在接收器处对同一信号进行多次解调和再调制。这增加了设备成本和/或解码时间。
[0018] 另一种技术，由Amer Hassan和Edward Giaimo(代理人案卷编号1777.C02US1)在与本申请同日提交的共同未决申请“Power Switching for Systems Implementing Throughput Improvements for Optical Communications”中描述的光功率电平调制(OPLM)，其全部条款通过引用被并入本文，允许使用以具有相同波长的不同功率电平传输的不同光源通过相同光通信路径(例如，相同光纤)传输多个数据流。OPLM技术可以与多种调制方案相结合，例如简单的调制方案，在这种方案中，光源开启以发送‘1’并关闭以发送‘0’，以及更复杂的方案，例如AM、DDPDM、WDM等等。在OPLM系统中，对应于每个流的每个光源以相同的频率并且在相同的光通信路径上使用不同的功率电平进行传输。接收器通过将一个或多个检测模型应用于在接收器处观察到的光子计数以确定每个流的可能位分配来对每个流的数据进行解复用。
[0019] 由于每个光源以不同的功率电平发射，因此单独激活的第一光源、单独激活的第二光源或共同激活的二者产生在接收器处检测到的不同光子计数。泊松分布形式的检测模型(或其他检测模型)可以基于这些光子计数来计算每个光源被激活的概率。这可用于为每个流分配位值。因此，可以利用诸如泊松分布的检测模型来解复用流。例如，考虑具有两个数据流和两个光源的系统，使用这样的调制方案，即，其中光源激活用位流中的‘1’进行信号通知，而光源关闭用位流中的‘0’进行信号通知。在该系统中，第一模型可以指示第一光源开启而第二光源关闭的概率——这对应于‘1’和‘0’的位组合。第二模型可以指示第二光源开启而第一光源关闭的概率光源——这对应于‘0’和‘1’的位组合。第三模型可以指示两个光源都被激活的概率并且因此对应于‘1’和‘1’的位组合。
[0020] 结果，来自多个光源的多个数据流可以在单个光链路上发送，该光链路可以是单个链路上单个通道的带宽的两倍、三倍、四倍或更多倍。此外，可以避免其他技术的问题。例如，每个位组合的决策区域(例如，泊松分布)可能与其他位组合的决策区域(例如，图3中曲线下的面积)不同。这允许有不同功率电平的光源。此外，与DDPDM不同，检测非常简单。此外，由于可以使用多个光源，因此系统可以同一通信路径(例如，同一光纤)上支持多个用户。
[0021] 图2图示了根据本公开的一些示例的在对数据进行解复用中由接收器执行的OPLM方法200。在操作210，接收器可以确定在预定时间段期间观察到的光子的光子计数。预定时间段可以是一段时间(例如，时隙)，在此期间，发射器和接收器被同步以传输位流的一个或多个位(例如，分组的位)。在操作215，接收器使用光子计数和第一检测模型确定对应于数据的第一流的第一光源以第一功率电平开启并且对应于数据的第二流的第二光源关闭的第一概率。在操作220，接收器使用光子计数和第二检测模型确定对应于数据的第一流的第一光源关闭并且对应于数据的第二流的第二光源以第二功率电平开启的第二概率。在操作
225，接收器使用光子计数和第三检测模型确定第一光源以第一功率电平开启并且第二光源以第二功率电平开启的第三概率。
[0022] 检测模型可以是泊松概率分布、机器学习模型(例如，神经网络、回归模型、聚类模型、决策树)等。例如，如上所述，第一光源单独以第一功率电平发射，第二光源单独以第二功率电平发射，并且第一和第二光源一起发射可以产生撞击接收器的不同平均数量的光子。因此，光源的特定组合导致那些光子撞击接收器的概率可以使用泊松分布建模。这些泊松分布可用作检测模型。
[0023] 在操作230，系统可以基于第一概率、第二概率和第三概率确定数据的第一流和数据的第二流的位值。例如，可以选择产生最高概率值的模型并且可以将对应于该模型的位值分配给位流。如上所述，检测模型可以对应于各种数据流的位值。在一些示例中，可以通过将光子计数与预定最小阈值进行比较来确定两个位流的‘0’的值(例如，在操作215、220和225之前或在操作230期间)。在其他示例中，可以针对两个位流的‘0’值使用单独的模型。
方法200用于两个光源和两个位流，但可以应用于具有额外位流的额外光源。在其他示例中，单个模型可以输出位分配。
[0024] OPLM系统解决了光通信中有效带宽利用的技术问题，而没有上述先前方法的缺点。例如，该方法允许使用单个光源传输多个数据流或使用多个光源传输多个数据流。在本公开中，来自多个光源的任何干扰由使用任何此类干扰训练的检测模型来解释。此外，由于模型可能具有不相等的决策区域的概率，因此使用具有不同功率电平的不同光源不会像与AM和DDPDM那样造成问题。此外，这些模型可能会随着时间的推移进行调整以将老化的发射器电路考虑在内。与DDPDM相反，本公开不需要通过进行连续干扰消除来重新调制接收信号。相反，本公开利用特定位组合的平均光子计数。由于所公开的检测模型是相对简单的概率分布，因此，数据流的解码和解复用的过程可以使用相对简单、便宜和快速的硬件和/或软件来解复用输入，而不需要更复杂的硬件，例如使用连续干扰消除的方法所需要的那些更复杂的硬件。
[0025] OPLM使用训练序列来确定检测模型。例如，通过指示每个光源单独激活，并与其他光源组合来确定每个组合的平均光子计数。平均光子计数可用于构建检测模型，例如泊松概率模型，或训练有监督或无监督的机器学习模型。在操作期间，在传输时隙期间观察到的光子计数被提交给每个检测模型并且可以选择具有最高概率的检测模型。对应于该检测模型的位分配可以被分配为每个特定流的位。
[0026] 虽然这适用于初始设置模型，但是介质的改变例如光纤的改变、光源的功率输出随时间的改变或其他因素可能导致对位进行解复用中的错误。定期重新运行训练序列可以纠正这些错误，但可能会在重新运行训练序列时导致数据传输延迟。
[0027] 在一些示例中公开了用于盲检测模型优化的方法、系统、光学设备和机器可读介质。接收器可以监控一个或多个优化度量以确定优化度量是否满足优化条件。一旦观察到优化条件，系统就可以执行盲检测模型优化而不与发射器使用训练序列。也就是说，使用发射器发送的正常数据优化检测模型。例如，如果优化条件是错误阈值并且如果由ECC确定的错误率超过错误阈值，则系统可以开始检测模型优化。该系统可以保存观察到的数据集，该观察到的数据集包括多组光子计数和解复用的位组合和/或由ECC确定的校正位组合。该观察到的数据集可以包括正确解复用和不正确解复用的数据二者。该观察集可用于调整检测模型以降低错误率。例如，可以调整检测模型的中值和/或范围以产生观察集中的最低错误率。
[0028] 图3图示了根据本公开的一些示例的位错误和对三个检测模型的后续盲决策优化
300。在图3的示例中，检测模型是泊松概率曲线，x轴为光子计数，而y轴为合成概率。在图3的示例中，一种简单的调制方案与OPLM结合使用，由此光源在特定时隙关闭以传输零并激活以传输1。其他调制方案可以与OPLM结合使用以实现更高的数据速率。原始检测模型320、
325和330中的每一个的位组合显示在平分每个模型的垂直线的顶部。
[0029] 在图3的示例中，接收光子计数340(由垂直线表示)。根据原始检测模型320、325和
330，由于原始检测模型325产生的概率最高(由表示光子计数340的垂直线与概率模型相交所示)，这被解复用为0、1的位组合。如果随后的ECC校验表明存在错误，则可以更新错误度量。如果错误度量超过阈值(例如，观察到优化条件)，则系统可以基于观察到的数据集优化模型。
[0030] 在图3的示例中，假设观察到的数据集中只有一个样本光子计数340，不正确的位分配0 1和正确的位分配(由ECC确定)1,1,系统可能会尝试并且优化原始检测模型320、325和330以纠正错误。例如，原始检测模型320、325和330可以在图上向左移动以产生更新的检测模型321、326和331。使用更新的检测模型321、326和331，模型331现在是返回光子计数
340的最高概率的模型，并且因此新的位分配将是1,1，根据ECC这是正确的。随后的解调尝试将利用更新的检测模型。
[0031] 对于基于泊松分布的检测模型，为了更新检测模型，系统可以基于观察到的数据集中的数据的光子计数来计算新的检测模型。例如，对于由ECC数据确定的每个位组合，观察到的光子计数可以被平均以确定该位组合的新泊松分布。例如，如果观察到的数据如下表所示：
[0032] 光子计数 实际位值(如ECC确定的)
0 (0,0)
30 (0,1)
45 (0,1)
17 (0,1)
33 (0,1)
50 (1,0)
55 (1,0)
67 (1,0)
88 (1,0)
115 (1,1)
122 (1,1)
137 (1,1)
[0033] 每个位组合的新平均光子计数如下：
[0034] 位组合 平均光子计数
(0,0) 0
(0,1) 31.25
(1,0) 65
(1,1) 124.6
[0035] 在一些示例中，模型可以完全由来自观察到的数据的观察光子计数数据代替。在其他示例中，最初构建模型时来自训练过程运行的光子计数可以与观察到的数据组合以形成新模型。在这些示例中，可以以基于观察到的训练数据的新近程度，以权衡其对新检测模型的贡献的方式组合训练数据。例如，对于泊松分布模型，接收器可以使用以下公式：
[0036] 新的平均光子计数
[0037] ＝((1—x)*训练平均光子计数)+((x)
[0038] *观察到的平均光子计数)
[0039] 其中0