基于叠加训练(ST)信道估计的相干光正交频分复用系统研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61307090
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    26.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0503.传输与交换光子器件
  • 结题年份:
    2016
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2016-12-31

项目摘要

In a conventional CO-OFDM system, a large portion of the bandwidth is consumed by channel and carrier phase estimation as well as anti-ISI cyclic prefixes, which significantly decreases its spectra efficiency. To address this problem, a 3-year research project on channel estimation using superimposed training (ST) in coherent optical OFDM (CO-OFDM) systems is proposed. One major advantage of using ST based channel estimation is that no extra bandwidth is needed, since the periodic ST sequences are arithmetically added to the OFDM signals, while valuable bandwidth or time slot is required for conventional pilot-aided CO-OFDM systems using preambles or inserted subcarriers. Therefore, higher spectra efficiency is expected for ST based CO-OFDM systems. In this proposal, emphasis will be put on its enabling technologies as well as its experimental demonstrations and optimization approaches. Firstly, a joint channel and carrier phase estimation scheme using ST and inserted subcarriers is proposed, with a decision feed-back algorithm to enhance its estimated channel accuracy. Secondly, an improved ST algorithm, namely data-dependent ST (DDST) algorithm, is introduced in CO-OFDM systems for both channel and carrier phase estimation to further increase the spectra efficiency. Thirdly, the abovementioned algorithms will be investigated and evaluated in a polarization division multiplexed (PDM) CO-OFDM system. A 400 Gb/s (2-pol * 5 super-channels * 10 GBaud/s) PDM-CO-OFDM transmission over 1000 km of single mode fiber utilizing 16-QAM modulation and super-channel technology will be experimentally demonstrated.
传统的相干光正交频分复用(CO-OFDM)系统用在信道和载波相位估计、抗码间干扰上的带宽开销巨大,降低了频谱效率。为解决这一问题,本项目将叠加训练序列(ST)信道估计引入CO-OFDM系统中,研究其在CO-OFDM系统的应用和优化。ST算法将训练序列算术叠加在信号上,因而不增加系统的带宽开销,提高了频谱效率。我们首先将研究基于ST和注入导频的信道和载波相位联合估计方案,并研究通过迭代反馈消除数据信号对训练序列的干扰,从而增加信道估计精度的算法;之后,我们将研究CO-OFDM和偏振复用(PDM)CO-OFDM系统的数据相关叠加训练(DDST)算法,研究其在信道和载波相位估计的应用,从而进一步提高频谱效率;我们将利用现有的实验平台,完成以上算法的实验验证,并实现一个速率为400 Gb/s(2偏振×5超通道×10 GBaud/s,16-QAM)、传输距离1000公里的PDM-CO-OFDM系统。

结项摘要

传统的相干光正交频分复用(CO-OFDM)系统用在信道和载波相位估计、抗码间干扰上的带宽开销巨大,降低了频谱效率。为解决这一问题,本项目将叠加训练序列(ST) 信道估计引入 CO-OFDM 系统中,研究其在 CO-OFDM 系统的应用和优化。ST 算法将训练序列算术叠加在信号上,因而不增加系统的带宽开销,提高了频谱效率。本项目主要研究了光OFDM系统的设计和优化、长距离OFDM-PON系统的色散补偿以及基于叠加训练序列的光OFDM系统信道估计等。重要研究结果包括:研究了多载波的相干光OFDM系统、单载波相干光传输系统以及强度调制/直接探测(IM/DD)的OFDM系统中的叠加训练序列信道估计和系统验证;研究了相干光OFDM系统在调制器消光比受限情况下对信号幅度、硬裁剪系数、DAC分辨率等参数的参数设计和优化;研究了IM/DD OFDM系统中基于超奈奎斯特镜像混叠的色散补偿和信噪比增强方案;研究了基于Volterra序列的超高速率IM/DD OFDM系统等。主要研究结果包括:实验实现了基于叠加训练序列的CO-OFDM信号的5000公里光纤传输,相对于前置导频,其频谱效率有约10%的提升;通过实验,验证了采用超奈奎斯特频谱混叠技术,可以将10-GHz的OFDM信号在双边带调制时其传输距离扩展至80公里以上;实验实现了基于Volterra序列非线性补偿的单波长、单偏振170.49-Gb/s IM/DD OFDM信号的光传输。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(0)
基于隐含导频的长距离IM/DD DFT-S-OFDM无源光网络的实验系统研究
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    华南师范大学大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    刘海朋;郭昌建
  • 通讯作者:
    郭昌建
Experimental Demonstration of CO-OFDM Systems Using Superimposed Pilot
使用叠加导频的 CO-OFDM 系统的实验演示
  • DOI:
    10.1109/lpt.2014.2329394
  • 发表时间:
    2014-06
  • 期刊:
    IEEE Photonics Technology Letters
  • 影响因子:
    2.6
  • 作者:
    Guo, Changjian;Liu, Haipeng;Huang, Lingchen;Zhang, Han
  • 通讯作者:
    Zhang, Han
16-QAM调制的双偏振100-Gb/s码分复用-正交频分复用信号的产生和传输(英文)
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    华南师范大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    郭昌建;戴龙玲;黄凌晨;刘柳
  • 通讯作者:
    刘柳

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

16-QAM调制的双偏振100-Gb/s码分复用-正交频分复用信号的产生和传输
  • DOI:
    10.6054/j.jscnun.2014.06.107
  • 发表时间:
    2014
  • 期刊:
    华南师范大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    郭昌建;戴龙玲;黄凌晨;刘柳
  • 通讯作者:
    刘柳

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码