采用PSO算法的S波段EDFA的优化设计

采用PSO算法的S波段EDFA的优化设计

光纤与电缆及其应用技术2011年第1期产品设计

采用PSO算法的S波段EDFA的优化设计

曹 毅, 魏 淮

(北京交通大学光波技术研究所,北京100044)

[摘 要] 成功地使用粒子群优化(PSO)算法优化设计了多级S波段EDFA,仿真结果表明,输入信号功率为-20dBm时在1486~1520nm可实现平坦增益,两级泵浦总功率为380mW,平均增益可达10dB以上,增益平坦度小于0.1dB,噪声系数小于5dB,满足WDM/DWDM系统的需求。另外,还重点对插入长波长ASE滤波器以改善S波段EDFA系统性能的分配方案及优化方法进行了分析和讨论。

[关键词] 掺铒光纤放大器;S波段;粒子群优化算法;长波长ASE滤波器;波分复用 [中图分类号] TN253 [文献标识码] B [文章编号] 1006 1908(2011)01 0013 04

OptimizedDesignofS BandEDFAUsingPSOAlgorithm

CAOYi, WEIHuai

(InstituteofLightwaveTechnology,BeijingJiaotongUniversity,Beijing100044,China)

Abstract:Amulti stageS bandEDFAissuccessfullydesignedusingparticleswarmoptimization(PSO)algorithm.Thesimulationresultsshowthatflattengaincanbeobtainedat-20dBmofsignaloutputpowerand1486~1520nm,thetotalpumppoweroftwostagesis380mW,theaveragegainismorethan10dB,thegainflatnessislessthan0.1dB,noisefigureislessthan5dB,whichcanmeettherequirementsofWDM/DWDM.InadditiontheallocationschemeandoptimizationmethodforimprovingthesystemperformanceofS bandEDFA,whichinsertslong wavelengthASEfilter,areanalyzedanddiscussed.

Keywords:erbium dopedfiberamplifier(EDFA);S band;particleswarmoptimization(PSO)algorithm;long wavelengthASEfilter;wavelengthdivisionmultiplexing(WDM)

0 引 言

光纤通信技术的发展,特别是WDM/DWDM技术的日趋成熟,对于S波段(1486~1520nm)光放大的需求也日渐增加。S波段放大器的研究主要集中在掺铥(Tm3+)光纤放大器以及拉曼放大器上,关于S波段EDFA的研究相对少一些。就我们所知,传统的EDFA在S波段几乎没有增益,因此要在S波段使EDFA能够有效地放大信号就必须采取一些方法,有研究指出,要大大提高S波段的EDFA增益,必须对长波长进行滤波,以滤除C波段ASE。另外,考虑到EDFA应用于WDM/DWDM中的多信道放大,若增益不平坦,容易造成

[收稿日期] 2010 10 26

[基金项目] 国家自然科学基金资助项目(60807013)

[作者简介] 曹 毅(1986-),男,北京交通大学硕士研究

生.

[作者地址] 北京市海淀区交大东路18号,北京交通大学

学苑公寓4号楼320室,100044

[1]

各个信道之间的光功率和信噪比不同,增益高的信道容易出现光功率饱和与非线性效应,而增益低的信道会出现光信噪比恶化等现象,必须要对S波段的EDFA整体结构进行优化设计,以获得高增益、低噪声、宽带宽、增益平坦的EDFA。

传统的优化EDFA的研究大多集中在EDFA的级联结构或者引入特种光纤(改变掺杂、改变基质)方面,而应用全局搜索算法来优化EDFA结构参数的研究相对比较少,S波段的EDFA优化研究更少,大多都是关于C波段、L波段的EDFA或者拉曼放大器的优化设计

[2 5]

。本文将应用一种全新

的算法 粒子群优化(PSO)算法对S波段的EDFA进行优化设计,并建立数学模型进行仿真实验,对仿真实验结果进行分析和讨论。另外,本文还将对插入长波长ASE滤波器以改善S波段EDFA系统性能的分配方案和优化问题做详细的讨论和分析。

采用PSO算法的S波段EDFA的优化设计

1 PSO算法理论

PSO算法是一种鲁棒且搜索能力强的全局搜索算法,近些年来被广泛应用于解决电磁设计问题[6 7]。这种算法由Eberhart博士和Kennedy博士发明,模拟鸟群觅食过程。PSO算法中,每个优化问题的解都是搜索空间中的一只鸟,我们称之为 粒子 。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue),粒子根据速度和方向在解空间中搜索,然后通过叠代找到最优解。在每一次叠代中,粒子通过跟踪两个极值来更新下一时刻的速度和位置Vi(k+1)、Xi(k+1)。第一个极值就是粒子本身所找到的最优解,这个解叫做个体极值或当前最优解pi;另一个极值是整个种群目前找到的最优解,这个极值是全局极值gbest。由于这种算法具有 学习 和 记忆 的功能,因此收敛速度也快于一般的全局搜索算法,例如遗传算法(GA)。在找到这两个最优值时,粒子根据以下公式来更新自己的速度和新的位置:

Vi(k+1)=wVi(k)+c1rand1[pi- Xi(k)]+c2rand2[gbest-Xi(k)] Xi(k+1)=Xi(k)+Vi(k)

(1)(2)

[8]

度值ffitness将由仿真实验结果来确定。

2.2 S波段EDFA的结构参数选择

图1为S波段EDFA的结构模型,将数级这样的结构串联就构成级联EDFA。EDFA的参数包括掺铒光纤(EDF)长度、泵浦功率、泵浦位置以及插入模块(如增益平坦滤波器(GFF)、ASE滤波器)的位置和数量,这些参数都会影响S波段EDFA的系统性能。因此希望通过优化设计这些结构参数来提高EDFA的系统性能。

在仿真程序的PSO算法中,每一个 粒子 都包含这六个参数的信息:EDF的长度(在0~100m取值,S波段的EDF的长度一般低于20m,因此可缩小搜索范围)、次级泵源在光纤总长L上所处的位置(我们将第一级泵源置于光纤的最前端,只优化次级泵源的位置)、GFF的位置、长波长ASE滤波器的位置以及数量、第一级泵浦功率与总泵浦功率的比值。 粒子 在搜索空间内根据评估函数计算出的适应度值ffitness不断更新这六个参数的值,直到找到最优解时停止更新,

这六个参数值也就被确定下来。

式中w为惯性权重;c1、c2为学习因子;rand1、rand2为(0,1)中满足正态分布的随机数。为了确保算法收敛,本文采用一种基于收缩因子的改进粒子群算法[9],w=0.7298,c1=c2=1.4962。

2 采用PSO算法S波段EDFA的优化设计

2.1 EDFA的优化目标及评估函数

EDFA能够对光信号进行直接放大,具有数据透明、增益大、噪声低的优点,而评价EDFA的性能参数包括增益、噪声系数、输出功率(饱和输出功率,最大输出功率)、增益带宽(工作带宽,平坦增益带宽)等,除此之外,当EDFA应用于WDM/DWDM系统多信道放大时,由于EDFA的增益瞬态饱和效应引起信道间交叉饱和串扰,使信号失真,因此EDFA的增益平坦度是评价其性能的一个关键指标。所以我们将EDFA的增益平坦度、平均增益以及噪声系数定为评估函数的主要参数,EDFA的评估函数为:

ffitness=-w1uflat+w2Gave-w3nf(3)式中uflat为增益平坦度;Gave为信道平均增益;nf为噪声系数;w1、w2、w3为权重,根据对放大器性能指标的需求来选取。本文中w1=w2=w3=1,而适应

图1 待优化的S波段EDFA结构模型

本文采用两级980nm泵浦,第一级为前向泵浦,第二级为后向泵浦。输入信号功率为-20dBm,两级泵浦总功率380mW,待优化的S波

段的波长范围为1486~1520nm,仿真中EDF的参数及其他相关参数如表1所示。

3 仿真结果和讨论

3.1 仿真结果

应用MATLAB对基于PSO算法优化的S波段EDFA进行仿真实验,在仿真中,PSO算法程序作为主程序,而基于Giles模型的EDFA程序作为子程序。为了简化仿真实验,本文采用单级长波长ASE滤波器来抑制C波段ASE,以提高S波段EDFA的增益特性,静态GFF用来改善EDFA的增益平坦性,仿真试验中整个光纤仅被划分为7段。 仿真结果表明,采用3.5m长的EDF(短光纤),正反向泵浦功率相等,总功率为380mW,长波

采用PSO算法的S波段EDFA的优化设计

表1 MATLAB仿真中EDF的参数及其他相关参数

参 数

数值孔径截止波长/nm模场直径/ m

背景损耗(1550nm)/(dB km

-1

现35nm的平坦增益,在输入信号功率为-20dBm时平均增益可达10dB以上,满足WDM多信道传输的要求,仿真结果也证明了应用PSO算法来优化设计S波段EDFA的有效性。3.2 长波长ASE滤波器分配方案分析

如图3所示,插入单个长波长ASE滤波器的S波段EDFA增益比未插入ASE滤波器时约提高了2dB,对于放大器来说这是一个很可观的性能提升,尤其在S波段多级级联EDFA结构中。因此长波长ASE滤波器的引入对S波段EDFA的优化是非常关键的,有必要在应用算法优化S波段EDFA之前,先对ASE滤波器的分配方案进行分析。以下对插入单个及多个ASE滤波器的情况通过MATLAB仿真进行分析。该仿真基于EDFA稳态特性的数值模拟算法。仿真采用的数据为:EDF长3.5m,分为7段,每段0.5m。输入信号功率为-20dBm,采用980nm双向泵浦方式,泵浦总功率为380mW

。

S波段EDF0.249105.32

)

13.47152119.41486~1520nm,1nm间隔,35个信道

3800.30.10.2

吸收系数峰值(980nm)/(dB m-1)吸收系数峰值(1530nm)/(dB m-1)发射系数峰值(1530nm)/(dB m-1)信号波长(S波段)泵浦总功率/mW

泵浦光与信号光的耦合损耗/dB低浓度掺杂单模光纤熔接损耗/dB高浓度掺杂单模光纤熔接损耗/dB

长ASE滤波器位于EDF第5段时,静态GFF位于EDF2.8m处时,S波段EDFA的输出特性最优。图2为经PSO算法优化的S波段EDFA的输出光谱及增益、噪声系数特性,增益平坦度uflat<0.1dB,噪声系数nf<5dB,在1486~1520nm

之间实

图3 单个ASE滤波器插入前后S波段EDFA的输出光谱

EDF中的ASE有正向和反向两种,在EDF的

最前端无正向ASE,最末端无反向ASE,因此长波长ASE滤波器只能位于中间5段(除首尾两段),图4为单个长波长ASE滤波器插入不同位置的仿真结果,如图所示,N=5时,输出特性最好,平均增益明显提高,可见,单级ASE滤波器的位置越靠

近

图2 PSO优化S波段EDFA的输出光谱及增益、噪声系数

图4 单个ASE滤波器插入不同位置时的输出光谱

采用PSO算法的S波段EDFA的优化设计

EDF尾段,输出特性越好。

插入多个ASE滤波器时,ASE滤波器的最优位置可以通过枚举法简单地列举出来,并利用仿真对其进行分析。仿真结果发现,当插入的ASE滤波器超过两个时,S波段的增益变化不明显,因此我们通过数值比较其平均增益的方法对ASE滤波器的插入位置进行对比分析。

令Nn表示第n个ASE滤波器的位置,若N1=2,表示第一个ASE滤波器位于第二段光纤。

ASE滤波器插入位置N1=2,N2=3N1=2,N2=4N1=2,N2=5N1=2,N2=6N1=3,N2=4N1=3,N2=5N1=3,N2=6N1=4,N2=5N1=4,N2=6N1=5,N2=6

Gave18.57218.70918.72718.46318.70818.72918.68218.71718.70618.718

如表2所示,采用2个ASE滤波器时,ASE滤波器的最优位置为N1=3,N2=5;采用3个ASE滤波器时,ASE滤波器的最优位置为N1=2,N2=3,N3=5;采用4个ASE滤波器时,ASE滤波器的最优位置为N1=3,N2=4,N3=5,N4=6;除首尾两段以外,每一段均插入一个ASE滤波器(即采用5个ASE滤波器)时,S波段平均增益仍在提高,且优于前面的方案。

可见插入多个ASE滤波器对S波段EDFA增

dB

Gave18.70918.73118.69518.73018.72818.72618.73118.72918.73318.734

ASE滤波器插入位置

N1=2,N2=3,N3=4N1=2,N2=3,N3=5N1=2,N2=3,N3=6N1=3,N2=4,N3

=5N1=3,N2=4,N3=6N1=4,N2=5,N3=6N1=2,N2=3,N3=4,N4=5N1=2,N2=4,N3=5,N4=6N1=3,N2=4,N3=5,N4=6N1=2,N2=3,N3=4,N4=5,N5=6

表2 多个ASE滤波器的分配方案

益的提升优于插入单个ASE滤波器;但插入两个与插入两个以上ASE滤波器,对EDFA增益特性的影响越来越小,如本仿真实验中,插入4个与插入5个ASE滤波器,S波段平均增益的变化值不超过0.001dB,考虑到ASE滤波器的插入损耗以及成本问题,并不是采用的ASE滤波器越多效果越好。另外,对单个以及多个ASE滤波器插入方案进行比较,我们发现多个ASE滤波器最优方案与单个ASE滤波器最优方案是相关的,比如N=5这一位置无论是采用单个ASE滤波器还是多个ASE滤波器,都是最优位置,该位置上的ASE滤波器对S波段EDFA的增益影响起主要作用。

仿真试验中整个光纤仅被划分为7段,若光纤被划分为更多段,那么多个ASE滤波器的分布问题就不能用简单的枚举法来分析了,但仍以S波段EDFA的系统性能指标建立评估函数,以多个ASE滤波器的个数以及所处位置为待优化参数,基于Giles的EDFA程序作为子程序,利用PSO算法或者GA算法进行优化分析。

3.3 PSO算法与GA算法的比较

PSO算法与GA算法相似,两者都随机初始化

种群,而且都使用适应度值来评价系统,并且根据适应度值进行一定的随机搜索。但与GA算法相比,如图5所示,PSO算法具有更快的收敛速度,适应度值只需要10次迭代就可以稳定,而GA算法至少需要20次迭代。

图5 PSO算法与GA算法的比较

4 总 结

PSO算法是基于群体智能的随机优化算法,同其他优化算法相比,具有简单易行和更强的全局搜索能力,因而被用来在复杂搜索空间中寻找最优解。

(下转第32页)

采用PSO算法的S波段EDFA的优化设计

Sagnacinterferometer[J].OpticalLetters,1995,20(20):2146 2148.

[10] HILLKO,JOHNSONDC,BILODEAUF,etal.

Narrow bandwidthopticalwaveguidetransmissionfilters[J].ElectronicsLetters,1987,24(9):465 466.

[11] 钱景仁,梁明.光纤光栅Sagnac环特性及包络带通滤

波器的研究[J].中国激光,2003,20(2):159 162.

[12] SHUXue wen,

JIANGShan,

HUANGDe xiu.

FibergratingSagnacloopanditsmultiwavelengthlaserapplication[J].PhotonTechnolLetters,2000,12(8):980 982.

[13] CHUNGS,KIMJ,YUBA,etal.AfiberBragg

grating

sensor

demodulation

technique

using

a

polarizationmaintainingfiberloopmirror[J].PhotonTechnolLetters,2001,13(12):1343 1345.

[14] DAIY,CHENX,XUX,etal.Highchannel count

combfilterbasedonchirpedsampledfiberbragg

gratingandphaseshift[J].PhotonTechnolLetters,2005,17(5):1040 1042.

[15] 舒学文.基于单个光纤光栅的Sagnac干涉仪的理论

与实验研究[J].物理学报,2000,49(9):1731 1735.

[16] DONGXP,LIShen ping,CHIANGKS,etal.

Multiwavelengtherbium dopedfiberlaserbasedonahigh birefringencefiberloopmirror[J].ElectronicsLetters,2000,36(19):1609 1610.

[17] FANGX,JIH,ALLENCT,etal.Acompound

high order

polarization independent

birefringence

Photon

filterusingSagnacinterferometers[J].TechnolLetters,1997,9(4):458 460.

[18] 蒙红云,杨石泉,赵春柳,等.Sagnac型环形镜理论研

究[J].南开大学学报,2003,36(3):81 85.

[19] HUS,ZHANL,SONGYJ,etal.Switchable

multiwavelengtherbium dopedfiberringlaserwithamultisectionhigh birefringencefiberloopmirror[J].PhotonTechnolLetters,2005,17(7):1387 1389.

(上接第16页)

我们成功地应用PSO算法优化了多个S波段EDFA的结构参数,如EDF的长度、次级泵浦位置、两级泵浦功率以及长波长ASE滤波器的位置。输入信号功率为-20dBm时,在1486~1520nm实现平坦增益,在两级泵浦总功率为380mW下,EDFA系统的平均增益可达10dB以上,增益平坦度小于0.1dB,噪声系数小于5dB。另外本文还重点对插入长波长ASE滤波器的分配方案以及优化方法进行了分析和讨论,最后,将PSO算法与原理类似的GA算法进行了比较,PSO算法在解决S波段级联EDFA优化问题上具有更快的收敛速度。

[参

考

文

献

]

[4] CHENGCheng,XIAOMin.Optimizationofadual

pumpedL banderbium dopedfiberamplifierbygeneticalgorithm[J].JLightwaveTechnology,2006,24(10):3824 3829.[5] LIUYu min,

optimal

YUZhong yuan.

of

LPG

Intelligentparticle

for

optical

swarmoptimizationalgorithmanditsapplicationin

designing

devices

communicationsfields[J].LectureNotesinComputerScience,2006,4222:166 175.

[6] ROBINSONJ,RAHMAT SAMIIY.Parallelparticle

swarmoptimizationandfinite differencetime domain(PSO/FDTD)algorithmformultibandandwide bandpatchantennadesigns[J].

IEEEAntennasand

PropagationSociety,2005,53(11):3459 3468.[7] GENOVESIS,MITRAR,MONORCHIOA,etal.

Aparallelparticleswarmoptimizationapproachtodesigning

frequency

selective

surfaces

[C]//

ProceedingsofAntennasandPropagationSocietyInternationalSymposium.[S.l.]:IEEEPress,2007:1601 1604.[8] KENNEDYJ,

EBERHART

R.

Particleswarm

optimization[C]//ProceedingsoftheConferenceforNeuralNetworks.1995,4:1942 1948.

[9] 易云飞,陈国鸿.一种基于收缩因子的改进粒子群算

法[J].软件导刊,2009,8(9):59 60.

[1] ONOH,YAMADAM,SHIMIZUM.S banderbium

dopedfiberamplifierswithamultistageconfiguration design,characterization,andgaintiltcompensation[J].JLightwaveTechnol,2003,21(10):2240 2246.[2] WEIHuai,TONGZhi,JIANShui eofa

geneticalgorithmtooptimizemultistageerbium dopedfiber amplifiersystemswithcomplexstructures[J].OptExpress,2004,12(4):531 544.

[3] MOWLAA,GRANPAYEHN.Optimumdesignofa

hybriderbium dopedfiberamplifierusing

amplifier/fiber

Raman

particleswarmoptimization[J].

AppliedOptics,2009,48(5):979 984.

本文来源：https://www.bwwdw.com/article/jzg4.html