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)