[0035] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
[0036] 如图1所示，本实施例提供了一种用于NG-PON的改进SVM均衡系统，包括：光NRZ信号发射模块、接收模块以及光纤，所述光NRZ信号发射模块将包含训练序列的光NRZ信号通过光纤发送至接收模块，由所述接收模块将光信号转化为相应的电信号，并提取出包含的训练序列，获取由训练序列计算的最优超平面以及最后判决得到的均衡后的信息数据。
[0037] 光NRZ信号发射模块包括：由连续波激光器与低带宽调制器组成的光调制模块、电NRZ信号生成模块；光调制模块包括：连续波激光器与低带宽调制器，其中，电NRZ信号生成模块的输出端连接至由连续波激光器驱动的低带宽光调制器，实现光NRZ信号的产生。
[0038] 电NRZ信号生成模块包括：高速率脉冲模式发生器、训练序列发生器、训练序列插入模块、高速率NRZ调制模块、低通滤波器；所述高速率脉冲模式发生器连接至训练序列插入模块，每隔一定的长度插入由训练序列发生器所产生的训练序列，所述训练序列插入模块的输出端与高速率NRZ调制模块相连，产生高速率数字信号，NRZ调制模块的输出端连接至低通滤波器，滤去信号的高频部分，最终产生可用于低带宽光调制模块的电NRZ信号。
[0039] 光接收模块包括：光电探测器、上采样模块、时间同步模块、下采样模块、训练序列提取模块、最优超平面计算模块、均衡模块、解调制模块、0,1数据输出单元；其中，光电探测器将接收到的电信号经过上采样模块、时间同步模块、下采样模块后，所述下采样模块的输出信号通过训练序列提取模块后进入最优超平面计算模块，得到最优超平面；所述均衡模块接收最优超平面以及信息序列，以FFE结构计算每个码元到超平面的距离并判决，实现对接收数字信号的补偿；补偿后的数字信号通过解调制模块、0,1数据输出单元后输出，实现用户数据的接收。
[0040] 本实施例了一种用于低成本高速NG-PON系统的改进SVM的均衡方法，基于前向反馈的结构，将前后码元当作当前码元的特征值，构建每个码元的特征值向量，当训练序列接收完以后，通过支持向量机中的SMO算法得到最优超平面，然后将需要均衡的数据通过超平面进行正确的分类，实现信道均衡；具体地，包括以下步骤：
[0041] 步骤1：每隔一定长度插入训练序列，将包含训练序列的数据提供给高速NRZ调制模块，产生电NRZ信号，并进行电光转换，生成高速光NRZ信号；
[0042] 步骤2：高速光NRZ信号通过光纤传输，到达接收端，通过光电探测器完成电NRZ的转换；
[0043] 步骤3：对电NRZ进行上采样，时间同步后，进行下采样；
[0044] 步骤4：提取训练序列，并为每个训练序列构建特征值向量，然后利用SMO算法计算出最优超平面；
[0045] 步骤5：利用最优超平面基于FFE结构对信息序列进行判决，实现均衡；
[0046] 步骤6：每隔一定长度的信息序列，返回步骤4。
[0047] 更进一步地，对下文需使用的术语先进行介绍：
[0048] 1)、NRZ是指非归零码，是一种常用的基带传输信号，具有实现成本低的特点。
[0049] 2)、基于FFE结构的第n个码元的特征值向量可以描述为：
[0050]
[0051] 其中，xn表示当前码元，xn-(L-1)/2,…,xn-1表示先前码元，xn-1,…,xn+(L-1)/2表示后续码元。
[0052] 3)、超平面是N维欧氏空间中余维度等于一的线性子空间，一个超平面可以描述为；
[0053]
[0054] 其中， 为超平面的法向量，b为位移，描述超平面到原点的距离。
[0055] 4)、SMO是用来求解SVM中最优超平面问题的一种二次规划算法；
[0056] 步骤1在生成高速率的电NRZ信号前，每隔N个信号插入长度一定的训练序列，所述训练序列是一种(0，1)伪随机序列，由训练序列发生器生成，发送端和接收端采用参数一致的训练序列发生器就可以产生同样的序列，训练序列和需要传输的数字信号一起经过高速率NRZ调制模块，生成电NRZ信号；将高速率NRZ信号经过一个低通滤波器，滤去信号高频部分，最后连接至低带宽的光调制器，从而生成包含训练序列的光NRZ信号。
[0057] 光调制器，可以为直接光调制器，如EML；也可以为基于光载波的外调制模块(激光作为光载波驱动外调制器)，如MZM。
[0058] 步骤1中，高速率NRZ调制模块，为NRZ模式的脉冲发生器，可以将数字信号调制成电NRZ脉冲。
[0059] 步骤2包括：将步骤1输出的光NRZ信号通过光纤传输至接收端，光纤输出端的连接到光电探测器，光电探测器输出电NRZ信号。
[0060] 光电探测器包括：光电二极管，也可以为雪崩二极管；光纤为标准单模光纤。
[0061] 步骤3中，上采样过程，采样速率应高于数据速率，且为数据速率的整数倍；
[0062] 步骤4包括：提取训练序列，先基于FFE的结构，取若干个前后码元当作当前训练码元的特征值，组成特征值向量，该长度为码间串扰的长度，可以取多，保存所有训练序列的特征值向量。将构建的训练序列特征值向量，与接收端训练序列发生器重新产生的原始训练序列(后者为前者的正确判决结果)一起作为SMO算法的输入，计算出最优超平面。
[0063] 步骤5包括：将步骤4中获得的最优超平面的法向量，当作FFE的各抽头系数，即用SMO算法替代传统的自适应算法得到最优抽头系数，信息序列按照FFE的结构，经过抽头延时器与超平面法向量相乘，累加后，得到每个点到超平面的距离，进行判决，判决结果即为均衡输出。
[0064] 步骤5包括：由于信道并不是严格的时不变信道，因此每N个信息序列均衡完后，返回步骤4重新提取训练序列并重新计算最优超平面。
[0065] 本发明基于FFE和SVM算法进行信道均衡，其算法主要分为两步。首先计算最优超平面如图2所示，主要包含以下几个步骤：
[0066] 步骤1：提取出来的导频数据，按照FFE的结构，依次输入到若干个抽头延时器中，组成正中间码元的特征值向量，依次保存训练序列的所有特征值向量，直到训练序列输入完毕；
[0067] 步骤2：接收端的训练序列发生器重新生成原始训练序列，与特征值向量一一对应，作为SMO算法的输入；
[0068] 步骤3：SMO算法根据输入，计算出最优超平面，并提供给均衡模块。
[0069] 基于最优超平面的均衡模块如图3所示，主要包含以下几个步骤：
[0070] 步骤1：信息序列经过若干个抽头延迟器，每个码元分别与超平面提供的法向量中的对应的系数相乘，并将结果累加；
[0071] 步骤2：将累加结果与最优超平面的位移相加，得到点到超平面的距离；
[0072] 步骤3：判决，若点到超平面的距离为正，则判决为1，若为负，则判决为-1；
[0073] 步骤4：每判决完一定长度的信息序列，重新接收训练序列，并重新计算最优超平面。
[0074] 本实施例验证FFE-SVM算法参数为：训练序列长度为400，训练序列插入间隔为40000，特征值向量长度为9。信号采用NRZ-OOK调制，上采样率为32，信息序列加训练序列总长为125000。DFE和FFE采用的自适应算法为梯度最小二乘(RLS)，训练长度为2000。
[0075] 图4为低成本光传输系统经过20km标准单模光纤传输后，使用不同信道均衡算法下的BER性能对比图，图中：横轴为接收端的光功率，单位是dBm，纵轴是BER表示误码率大小，单位是dB，取1x10^-3下的BER作为接收机灵敏度，FFE-SVM为本发明算法的一个实例，DFE和FFE是传统基于自适应算法的均衡方法。可以看到本发明的算法要明显优于传统DFE和FFE的性能。
[0076] 综上所述，采用本发明基于改进结构的FFE-SVM的均衡算法，可以更明显的补偿带宽限制所造成的ISI。相比于传统DFE和FFE所需要的训练序列长度更低，且均衡效果更优，同时运算复杂度也更低，对参数要求不高。因此，本发明的算法，能较好应用于低成本高速率光网络的需求。
[0077] 本发明用于低成本高速率NG-PON的改进SVM的均衡方法，包括：首先在发送端每隔一定长度的信息序列插入训练序列，然后在接收端，基于支持向量机(SVM)中的SMO算法，并改进其特征向量的构成，得到最优超平面，然后将需要均衡的数据通过超平面进行正确的分类，每隔一定的长度，重新接收训练序列并更新最优超平面，最终实现均衡。本发明解决了用低带宽器件传输高速率信号时由于带宽限制所引入的信号畸变、码间串扰等造成系统的接收灵敏度下降的问题。同时，可以极大程度的降低均衡的开支、计算复杂度，因而可用于下一代高速低成本的NG-PON系统。
[0078] 以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
