[0001] 本发明涉及TFDMA相干PON、数字信号处理、遗传算法和功率分配等技术领域，具体地，一种基于遗传算法和数字信号处理的多时隙功率分配方法。

[0002] 随着互联网应用的迅速发展，对高速大带宽的光接入网络的需求不断增加。特别是随着物联网、高清视频流和虚拟现实等新兴应用的兴起，对光接入网容量和性能的要求变得更为迫切。强度调制直接检测系统由于其低成本和低功耗而被广泛应用于PON。然而，由于其频谱效率和灵敏度低，强度调制直接检测系统无法支持未来200Gb/s及以上数据速率的PON。因此，相干PON作为一种很有前途的超高带宽PON传输解决方案越来越受到人们的关注。

[0003] 相干PON除了在频谱效率和灵敏度方面具有优势外，在实现时频分多址(TFDMA)方面也具有灵活性，可以支持网络中更多的ONU。在TDFMA PON系统中，不同的子载波和不同的时隙可以分配给不同的ONU。此外，在灵活动态的场景中，ONU可以根据业务需求具有不同的数据速率，系统会为数据速率较高的ONU分配更多的带宽资源。例如，一个子载波中在两个时隙可以被发送到同一个ONU。在这种速率灵活的TFDMA相干PON系统中，系统配置的优化，特别是下行链路中的光功率分配，对于确保整体性能至关重要。

[0004] 2023年3月会议“Optical FiberCommunication Conference”公开了一种具有时间、频率和功率分配能力的超100G三维灵活相干PON，并且展示了下行链路的性能。在时域和频域都具有功率分配的数字子载波实现了比传统TDM和FDM更灵活和自适应的接入速率。作为概念验证，在下游演示了具有四个子载波的三维灵活速率PON，在20km光纤上实现了
250Gb/s/λ的峰值数据速率。但是，该系统并没有具体展示PON的功率分配，也没有提出相应的功率分配优化算法。因此，TFDMA相干PON系统中灵活智能的功率分配方法是一个值得研究的问题。

[0041] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施条例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0042] 如图1所示，本发明提供一种基于遗传算法和数字信号处理的多时隙功率分配方法，具体来说是一种基于数字信号处理(Digital SignalProcess,DSP)和遗传算法(Genetic Algorithm,GA)的相干点对多点(Point‑to‑Multipoint,PTMP)时频分多址(Time‑frequency Division Multiple Access，TFDMA)无源光网络(Passive Optical Network,PON)中的多时隙子载波功率分配的方法。

[0043] 实施例1

[0044] 本发明实施是一种基于遗传算法和数字信号处理的TFDMA相干PON的多时隙功率分配方法，包括DSP赋能的功率分配和遗传算法的优化，现提供4个子载波和4个时隙的TFDMA相干PON实例，服务13个ONU，其中假定子载波1在4个时隙中都发送给ONU1，其他3个子载波在4个时隙中分配给不同的ONU。

[0045] 所述DSP赋能的功率分配部分步骤包括：

[0046] 步骤1：生成数字子载波。在TFDMA相干PON系统中，OLT利用DSP技术生成4个的数字子载波。这些子载波在频域上相互独立，且可以根据系统需求进行灵活配置。通过数字信号处理算法，可以精确地控制每个子载波的频率、相位和带宽等参数，以满足不同的传输要求。

[0047] 步骤2：确定功率比例。根据系统设计的要求和网络条件，确定每个子载波应分配的功率比例，即子载波功率占总发射功率的比例。这些功率比例是基于系统容量、噪声水平、链路损耗等因素综合考虑得出的。所有子载波的功率比例之和为1，以保证总功率的合理利用。

[0048] 步骤2.1：计算生成子载波的总功率

[0049] P＝P1+P2+P3+P4

[0050] 步骤2.2：通过遗传算法获得各子载波的功率分配比例

[0051] ε＝GA(P1，P2，P3，P4)步骤3：进行功率控制。在确定了每个子载波的功率比例后，利用DSP技术对各个子载波进行功率控制。这可以通过调整子载波的幅度或增益来实现。DSP算法能够实时监测和调整子载波的功率，确保它们按照预设的比例进行分配。

[0052] 步骤3.1：根据功率分配比例，获得每个子载波的新功率

[0053] Pi＝P×εi，i＝1，2，3，4

[0054] 步骤3.2：将每个子载波功率归一化后，设置为新的功率。

[0055] 步骤4：子载波合波。将经过功率控制后的各个子载波进行合波，合成的信号将包含所有子载波的信息，并按照优化的功率分配方案进行传输。

[0056] W＝W1+W2+W3+W4

[0057] 所述遗传算法赋能的功率分配优化部分步骤包括：

[0058] 步骤1：初始化。设置进化代数计数器为0，并确定算法运行的最大进化代数为100。然后，随机生成包含50个个体的初始群体，在TFDMA相干PON功率分配的优化中，个体即为子载波在不同时隙的功率比率，这些个体将作为搜索空间中的初始解集，其中OUN1在4个时隙的功率比例是固定的，所以每个个体是有13个参数比例的集合。

[0059] 步骤2：个体评价。过计算群体中每个个体的适应度值来评估它们的优劣程度。适应度函数根据问题的不同而有所差异，用于指导算法的搜索方向。在TFDMA相干PON功率分配的优化中，适应度函数根据不同时隙均方根误差的平均值来计算。子载波在不同时隙的误码率由仿真器仿真得到，在仿真器中添加了链路的距离、噪声、损耗、带宽、调制格式以及编码方式的参数，可以由以下公式表示：

[0060] BERi＝f(L，noise，B，M，R)

[0061] 其中BER是链路的误码率，L是链路的距离，noise是系统的噪声，B是带宽，M是调制格式，R是系统概率整形的码率。上述参数共同决定了系统的BER，具体BER的值根据实际参数而变化，在该案例中，链路距离在说明书附图中展示，额外噪声设置为相同，每个子载波带宽为10G，调制格式为16QAM，无概率整形。有些变量甚至既可以作为影响适应度函数的变量，也可以作为遗传算法的输入变量或条件限制。通过适应度函数的建立，遗传算法可以充分考虑信道的条件来进行优化，使得优化结果贴近实际。优化目标可以用如下公式表示：

[0062] min BER＝GA(P)

[0063] 步骤3：终止条件判断。当最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升时，或者迭代次数达到预设的代数时，算法终止，输出优化结果。优化结果是该优化目标下最优的TFDMA相干PON子载波在不同时隙的功率分配比率。

[0064] 步骤4：个体更新。对群体中的个体进行选择、交叉和变异运算，生成新的个体，并重复步骤2和步骤3，直到达到终止条件，输出优化结果。交叉是把两个父代个体的部分结构加以替换重组而生新个体，交叉使得遗传算法的搜索能力得以飞跃提高。

[0065] 在步骤4中，选择是选择优胜的个体，淘汰劣质的个体，选择的目的是把优化的个体(或解)直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。变异是对群体中的个体的某些基因作变动，变异的引入让遗传算法具有了随机搜索能力，同时可以让遗传算法维持群体多样性。

[0066] DSP赋能的功率分配利用数字子载波调制技术，生成频域上独立的子载波，在单独调控每个子载波的功率后进行合波，提高了功率分配的智能性和灵活性。

[0067] 遗传算法赋能的功率分配优化利用遗传算法来优化TFDMA相干PON系统多子载波多时隙的功率分配，在复杂的环境中能够迅速收敛，随机搜索能力也能够避免陷入局部最优。

[0068] 本发明，利用数字信号处理对子载波进行独立的功率控制，实现灵活和智能的功率分配，同时利用遗传算法来优化TFDMA相干PON系统多子载波多时隙的功率分配，大大提高了TFDMA相干PON系统的性能。

[0069] 具体表现为：

[0070] 传统的功率分配方法往往凭借工作人员的经验手动调整实现，根据链路的性能和实际需求，手动更新各子载波之间的比例，通常需要反复调试更新功率分配系数，来逼近最优的功率分配系数，实现所需要的功率分配效果。传统手动调整功率分配的方法实现效率低，没有充分考虑系统容量、噪声水平、链路损耗等各个因素，而且很难实现全局最优，容易陷入局部最优的陷阱。

[0071] 而与传统功率分配方法相比，基于遗传算法和数字信号处理的TFDMA相干PON的多时隙功率分配方法采用了灵活智能的分配方法，充分考虑各子载波链路的容量、噪声、损耗等因素，将各种因素添加到遗传算法的限制条件和适应度函数的表达中，采用遗传算法对功率分配比例进行启发式搜索，通过算法得到系统所需要的功率分配比例并在相关数字信号处理中修改，遗传算法模拟自然选择和遗传机制，在解空间中并行搜索多个可能的最优解，从而大大提高了找到全局最优解的概率。

[0072] 其次，传统的功率分配方法的实现逻辑与该技术专利相比也有显著不同，传统功率分配方法是通过给性能好的链路分配更多的功率，提高系统的整体性能，代价是牺牲性能差的链路。而该专利提出的方法是均衡各链路之间的性能，将性能过剩链路的功率分配给性能差的链路，改善系统传输的短板，最终提高系统的整体性能，并改善了功率分配的功能性。

[0073] 另外，本方法的适应性强，传统方法通常依赖于固定的数学模型和参数设置，而本方法面向的是多用户多时隙的TFDMA相干PON系统，每个子载波在不同时隙服务的用户不同，环境更加复杂，本方法能够在复杂情况下迅速收敛，实现多时隙多子载波的的最优功率分配。

[0074] 最后本方法具有多参数优化设计的便捷性，传统方法往往只能进行单一参数的优化设计，而遗传算法可以方便地同时处理多个参数的优化问题，从而实现多参数的同时优化。

[0075] 本方法重点在于对TFDMA相干PON系统中多子载波多时隙的功率分配优化，方案成熟，自适应能力强，能够整体上提升系统的性能。

[0076] 尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。