带你读《智慧光网络:关键技术、应用实践和未来演进》——2.3.1 光模块的分类和发展历程

简介: 带你读《智慧光网络:关键技术、应用实践和未来演进》——2.3.1 光模块的分类和发展历程

2.3 光模块技术


在光通信系统中,光模块负责光信号的发射和接收。发射端的主要作用是将电信号转化为光信号,并注入光纤中进行传输,一般由光源、驱动器、调制器等器件组成。接收端主要是将光纤中的光信号转化为电信号,一般由光电检测器、解调器等器件组成。


光模块作为光域信号的起始点和终结点,在智慧光网络中直接决定了信号的容量和传输距离,其成本、体积、功耗、标准化又决定了光网络泛在和随需的发展速度。


2.3.1 光模块的分类和发展历程


根据光模块使用的调制解调技术的不同,可以将光模块分为直接检测光模块和相干光检

测光模块两大类。


1.直接检测光模块

直接检测光模块的技术原理较简单,在发送部分通过强度调制(又称幅度调制)的方式,将电信号通过驱动器放大后加载到光发射组件(TOSA,Transmit Optical Sub-Assembly)上,并输出到光纤进行传输。接收部分通过光接收组件(ROSA,Receiver Optical Sub-Assembly)将接收到的光信号转为电信号,通过低噪声放大器(LNA,Low Noise Amplifier)对电信号进行放大并使用,整个逻辑如图2-6 所示。

image.png

图2-6 直接检测光模块收发结构示意

直接检测光模块由于组成结构非常简单、成本较低,已经得到普遍应用。但直接检测技

术受光电器件的带宽、色散、灵敏度等技术瓶颈的限制,已经无法满足光通信系统对容量和传输距离急剧增长的需求。正是因为这些技术特性,目前直接检测光模块更多地被应用在40km 及以下的客户侧短距离对接中。


2.相干光检测光模块

相干光检测技术从20 世纪80 年代就开始应用于光通信系统,但受限于早期模拟系统和器件的工艺水平,其传输性能优势并不突出。到了21 世纪,受益于DSP 的引入和器件水平的发展,相干光检测技术大幅度地简化了结构,并在光传输系统中的多个性能指标上都展现出巨大的优势,如灵敏度高、抗光噪声能力强、通信容量大、对光信道损伤的补偿能力强等。


相干光检测光模块(以下简称相干光模块)的核心技术要点是利用相干调制和外差检测技术。相干调制利用要传输的信号来改变光载波的频率、相位和振幅,这就需要有确定频率和相位的相干光,比如激光。外差检测基于相干参考光和入射信号光在光敏面上混频形成拍频信号,通过光电探测器对拍频信号的响应得到调制信号,如图2-7 所示。

image.png

图2-7 相干光检测技术的原理示意

基于相干光检测技术原理,相干光模块内部结构包括发射和接收两大部分。发射部分由光源、驱动器和调制器组成。接收部分由集成相干接收机(ICR,Integrated Coherent

Receiver)和相干光DSP 组成。


整个发射和接收部分的基本结构如图2-8 所示。后文在阐述相干光模块集成时,需要将以上发射和接收的5 个核心器件进行分组集成。

image.png

图2-8 相干光模块发射和接收部分示意

相干光检测混频后光信号的中频信号功率分量带有信号光的幅度、频率和相位信息,使得发射端不管采用哪种调制方式,均可以在中频功率分量中反映出来,所以相干光接收方式适合于所有调制方式的通信。不同编码格式意味着编码信号的密度存在差异,其决定了波道间隔和传输距离,也决定了单光纤最终的传输系统容量,图2-9 所示的是几种常见的调制编码格式,并将其中QPSK 和正交振幅调制(16QAM,16 Quadrature Amplitude Modulation)两种编码格式进行了对比,展示其传输距离与波特率的关系。


3.光模块技术的比较和技术发展

如前文所述,两种光模块的技术特征比较明显。直接检测光模块的最大优势是结构和原理简单,因此成本低、功耗小。相干光模块的最大优势是OSNR(光信噪比)性能好,多样的调制方式可以提升传输频谱的利用效率,数字补偿技术和高灵敏度的接收机可以支持无中继的长距离传输。


两种光模块的发展历程和趋势恰好符合这些技术特征。直接检测光模块由于成本低、功耗小,被大量部署在短距离光纤互联场景,覆盖距离从几百米到40km,而相干光模块的成本则较高,无法满足这种场景需求。相干光模块依靠优异的传输性能被应用于长距离传输,覆盖距离从80km 到2000km,这是直接检测光模块的传输性能所不及的。正因如此,40 ~ 200km 这个范围是两种光模块技术重叠的区域。近年城域网、接入网、数据中心等短距离互联场景大量出现,直接检测光模块通过新的调制和编码技术提升带宽,增加传输距离,相干光模块则通过提高集成度和标准化FEC 等技术向更低成本和互联互通方向突破。


几种调制编码格式及其传输距离与波特率的关系如图2-9 所示。

image.png

图2-9 几种调制编码格式及其传输距离与波特率的关系

相关文章
|
9天前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
37 10
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
|
9天前
|
编解码 异构计算
RT-DETR改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
RT-DETR改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
45 9
RT-DETR改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
|
9天前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
RT-DETR改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
40 3
RT-DETR改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
|
9天前
|
计算机视觉
RT-DETR改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进RT-DETR颈部网络
RT-DETR改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进RT-DETR颈部网络
36 12
RT-DETR改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进RT-DETR颈部网络
|
9天前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
91 62
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
|
9天前
|
机器学习/深度学习 计算机视觉 网络架构
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
95 63
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
|
9天前
|
机器学习/深度学习 算法 文件存储
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
20 4
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
9天前
|
计算机视觉
RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
32 5
RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
|
10天前
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
YOLOv11改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
42 9
YOLOv11改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
|
10天前
|
计算机视觉
YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络
YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络
40 10
YOLOv11改进策略【Neck】| GFPN 超越BiFPN 通过跳层连接和跨尺度连接改进v11颈部网络

热门文章

最新文章