杨广驰

（陕西邮电职业技术学院 陕西 咸阳 712000)

0 引言

传输速率的不断改变，使人们对传输容量的需求也变得愈发强烈。在光纤通信偏振复用系统中，为了能获取到更为高效的传输速度与更为强大的传播信号，于是利用交叉型偏振膜的形式来创设出不同的信道[1]。这个信道是由2个分别独立存在的信道而组成，拥有独立的容量，却将个体交互到一起，从而形成2个传输不同的信号，也实现了加大传输容量的目的。但由于双折射效应的存在，使这2个独立信道会受到偏振模色散（polarization mode dispersion，PMD）和偏振相关损耗(polarization dependent loss，PDL)等因素的影响，而这种破坏性的影响会直接到传输本身[2]。因此2个相对独立的传输通道受到阻碍，传输性能就此产生了“异化”性，这种“异化”性表现为传输能力的弱化。因此，偏振复用技术的实用性，以及由它所产生的价值性，如何从输出信号中分离出源信号，这对于计算机技术层面发展而言，又将是一项新的挑战[3]。

对于PMD，尽管它实现了偏振模式散补偿系统的一部分功能，但这种补偿性仍带有极大的局限性。特别是在实际应用过程中，这种性能差异会愈发的明显。对于PDL，由它所引发的偏振之路间的功率差异性变得更为明显，这种差异性的产生，不仅影响了振幅的平稳，还使2个通道之间的正交性变得躁动且弱化，从而直接削弱了偏振模塑展补偿系统的精准性和交互性。如果想要以PDL与PMD相结合的方式作为解决此问题的一个策略，而结果表明，这样的决定方式并不能完全解决问题，因为它会增长通信系统中的误码率，甚至严重时直接会导致网络系统的瘫痪[4]。本文采用独立分量分析（independent component analysis，ICA）算法[5]对偏振复用系统的接收端进行解复用，通过采用信号通道独立建设的方法来形成多维度的目标体系，使其能够精准地将源信号进行合理性分离。并结合基于负熵最大化的不动点复数这种策略方式以此来证明计算机仿真技术的可行性。

1 ICA解复用

1.1 ICA算法

ICA并非一个单纯的概念可以进行文字性定义，假设s=[s1，s2，…，sn]T表示n个未知的源信号，x=[x1，x2，…，xm]T表示m个观测到的混合信号，且m≥n；设置A为系统未知的混合矩阵，则x=As。此式就是一个ICA的模型，由这个模型所产生的观测信号能够作为研究的初始量被加以运用。利用ICA算法，可以精准得到预估的源信号值，而在这一过程中，信号的发出完全要依据混合矩阵的方式进行合理性预算[5]，并找到一个分离矩阵W，需满足y = Wx=WAs，其中，y为源信号S的估计值，这个数值的产生完全依据上述推算的可能性来进行，它是一种策略方式的采用。在这里，y中的各个分量之间是作为个体数值而存在的，它们的关系性好比是“独立包装”一般，以个体的形式存在，存在的方式是以个体独立的方式来进行，则y就是S的近似估计。

1.2 基于负熵最大化的不动点复数ICA算法

关于偏振复用系统，它的存在方式变得更为复杂一些，但如果将其纳入合理的范畴中去进行分析，则会发现它的存在方式更具独立性，能够有效地将复数信号分离开，而这个分离化的过程也是它优越性的显现。基于负熵最大化的不动点复数ICA算法在这时变得更为强大，它的存在方式将取缔传统的代价函数和源信号分布，它无论是以计算机方向的发展，还是人们生活需求的增长相匹配，且它的性能极其强大，即便是将信号进行分离，也能够获得完整的信息链条，而不会影响到信号的传输效果。

基于负熵最大化的不动点复数ICA算法总结如下[6]：

步骤1 白化处理观测信号数据x，得到z=Vx，并初始化矩阵wk，k=1，…，n；

步骤2 根据更新；

步骤3 利用W←（WWH）-1/2W，正则化W；

步骤4 若W尚未收敛返回步骤2；

步骤5 根据y=WHx估计源信号[7]。

2 计算机仿真结果

在此文中所要探讨的核心内容就是偏振复用系统结构的使用问题，具体结构如图1所示。在所设计的结构中，重点部分被放置到了发送端，这个重点部分是由2个集成QPSK信号发送模块组成。每个模块均包含了电路信号系统，并以独立的形式存在，将所要传输的复数信号内容清晰地进行划分，从而形成2个支路。

图1 偏振复用系统结构

接收部分能精准地把握偏振态的复振幅度和振态频次[8]，具体接收结构如图2所示。首先，偏振分束器（polarization beam splitter，PBS）会将信号进行分离，并将其归纳到X偏振光中。随后，偏振器又将本振光设定为Y值，这样就形成了XY正交方向的偏振光，这2组信号值会以交错的形式出现，并混频。再经BPD得到分量IPD1～IPD4，可用公式表示为[9]

图2 相干接收结构

式中：Ix为X方向偏振光；Iy为Y方向偏振光，j为色散系数。

采用该方法将使传输变得更为顺畅，它能消除信号中所存在的一些干扰项，并且还能在传输的整个过程中，将错误的分析代码进行去除，从而计算出误码率。仿真过程使用的参数见表1。

表1 仿真参数

星座图对比如图3所示，对解复用及进行解复用它们之间的比较可以看出，在3种不同情况下，原始信号星图产生了不同的差异性，这种差异性的显现充分说明了在不同参数信号传播的过程中，所得到的图样也是完全不同的。在这个图中可以看到，利用ICA算法偏振解复用后的星座图清晰度更高一些，并且在分布的过程中是较为均匀的状态，每个图像因素均能够清晰可辨。图中显示，它的信号星图各自分布在4个相位。对比图3（b）和图3（c）可知，采用ICA算法对于有效地排除掉信道之中的干扰因素，起到了很好的作用效果。

图3 星座图对比

眼图对比如图4所示，对比了未进行解复用和进行解复用，以及相位估计2种情况下2路信号的眼图。在这2幅图例中可以明显看到它们之间的区别性，它也充分显现出了该系统作用方式的一种优越性能。其中图4（a）和图4（b）为未解复用的两路分量的眼图，图4（c）和图4（d）为解复用之后的分量眼图，通过对2幅图之间的对比会发现，经过解复用和相位估计后的星座图发生了明显改变，图像内容变得更为清晰，它的张力阔度及传输质量均优于前面图片中所显示的结果。由此表明这种传输质量的提升不仅有效地增强了计算机仿真供通信偏振复用系统的效能性，也由此奠定了其使用的价值性。而未进行解复用的眼图信号存在明显的缺陷性，不仅图像存在着较为严重的失真状态，并且它的清晰度和扩展度均具有很明显的局限性，这也说明了ICA算法在消除串扰方面的作用性是较为明显的。

图4 眼图对比

3 加入噪声后的性能分析

噪声的干扰性在实际应用中不容忽视，如果未能做到有效的降噪，在使用的过程中会直接会影响到传输的效果。误码率随信噪比的变化曲线如图5所示，利用此变化曲线可以清晰地看到误码率的变化趋势，从而有效地减少噪声的出现。且可以得到当信噪比为20.89 dB时误码率小于，是符合通信系统的要求。信噪比为20.89 dB时的信号星座图和信号眼图分别如图6和图7所示，可见，尽管噪声在某些程度上干扰了信号的传输性，但它依旧可以保持正常的通信，而不必过虑的担忧。由此看来，它的稳定性能还是比较强大的。

图5 误码率随信噪比的变化曲线

图6 信噪比为20.89 dB时的信号星座图

图7 信噪比为20.89 dB时的信号眼图

4 结语

本文通过将ICA算法应用到偏振复用系统的解复用中，以及在此基础上结合负熵最大化的不动点复数，从而实现了计算机仿真光通信的稳定性能。在这个过程中，它利用将信号传输的个体进行独立的方式，做到了将信号进行稳定性分离，这样不仅能有效提升传输的速度，也能使传输的精准性得到有效的保障，这在计算机仿真光通信应用技术中将是一个不小的进步。它不仅有效地改善了仿真光传输系统应用的稳定性能，也使操作系统变得更为简易与快捷，使用者更为方便。可以说它的应用性具有明显的优势，值得推广。