DE10002911A1

DE10002911A1 - Verfahren zur Feststellung der Güte von Datensignalen und zur Identifikation von Störsignalen in optischen Übertragungsnetzen

Info

Publication number: DE10002911A1
Application number: DE10002911A
Authority: DE
Inventors: Carl Michael Weinert
Original assignee: Fraunhofer Institut fuer Nachrichtentechnik Heinrich Hertz Institute HHI
Current assignee: Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority date: 2000-01-18
Filing date: 2000-01-18
Publication date: 2001-07-19
Also published as: WO2001054316A2; WO2001054316A3; AU2001235353A1

Abstract

In optischen Übertragungsnetzen werden die Datensignale durch die in den Netzen vorhandenen Übertragungskomponenten degradiert. DOLLAR A Erfindungsgemäß wird zuerst von einem Datensignal, das durch Gaußsches Rauschen und beispielsweise Interferenzrauschen degradiert ist, ein Histogramm der statistischen Signalverteilung erstellt. DOLLAR A Das Histogramm ähnelt einer Gauß-Verteilung (2, 3), sofern die anderen Signalstörungen, z. B. ein Interferenzrauschen, nicht ein Vielfaches des Gaußschen Rauschens betragen (1). Anschließend wird dieses Histogramm (2) mit einer Gauß-Verteilung verglichen. Da die Stärke des Gaußschen Rauschens, die der Varianz der Gauß-Verteilung entspricht, nicht bekannt ist, wird dieser Vergleich für eine Vielzahl von Gauß-Verteilungen mit unterschiedlicher Varianz nacheinander vorgenommen. Stimmt die gewählte Varianz der Gauß-Verteilung mit dem im Datensignal vorhandenen Gaußschen Rauschen überein, wird durch eine Entfaltung, dem numerischen Abziehen dieser Gauß-Verteilung vom Histogramm des gestörten Datensignals, die statistische Signalverteilung der anderen Signalstörungen erkennbar und kann identifiziert werden. DOLLAR A Mit diesem Verfahren kann die Güte eines Datensignals sehr schnell und zuverlässig ermittelt werden. Aus der Identifikation der Störsignale und deren Größe kann auf die möglichen Störquellen geschlußfolgert werden.

Description

In optischen Übertragungsnetzen werden die Datensignale, die in sehr hoher Datenrate übertragen werden, durch die Transportstrecken und die in den Netzen vorhandenen Übertragungskomponenten degradiert. Die Nutzer der Kommunikationsnetze erwarten eine fehlerfreie Datenübertragung. Damit die Fehlerfreiheit gewährleistet werden kann, muß die Güte der übertragenen Daten in definierten Abständen überprüft werden und bei Unterschreiten eines festgelegten Gütewertes sind geeignete Maßnahmen zur Gewährleistung der einwandfreien Übertragung einzuleiten. Beispielsweise ist in solchen Fällen die Übertragung auf andere Datenkanäle umzuleiten bis die Signalstörungen behoben sind.

Eine bewährte Methode zur Bestimmung der Signalgüte ist die Ermittlung der Bitfehlerrate (BER). Bei dieser Methode wird ein bekanntes Datensignal ausreichender Länge übermittelt und die auftretenden Fehler werden ausgezählt.

Der Nachteil dieser Methode besteht in der Vielzahl der zu übertragenden und auszuwertenden Bits, wodurch diese Methode auch sehr zeitaufwendig ist und keine sofortige (echtzeitnahe) Aussage über die Güte der Datensignale möglich ist.

Eine andere Methode, bei der das Datensignal mittels statistischer Methoden bewertet wird, ist die sogenannte Q-Faktor-Methode. Unter der Annahme, daß die Signale durch Gaußsches Rauschen degradiert sind, führt diese Histogrammethode zu einfachen und guten Fehlerschätzungen. Treten aber neben einem Gaußschen Rauschen auch noch andere Störsignale auf, entspricht das Histogramm der statistischen Signalverteilung keiner Gauß- Verteilung und diese Methode liefert falsche Ergebnisse. Somit ist für diese Fälle die Q-Faktor-Methode nicht anwendbar. Da die anderen Signalstörungen häufig durch das Gaußsche Rauschen überdeckt sind, kann man anhand des erstellten Histogramms nicht eindeutig erkennen, ob noch andere Signalstörungen vorliegen und ob die Q-Faktor-Methode anwendbar ist oder nicht.

Die Aufgabe der Erfindung besteht darin, ein Verfahren anzugeben, bei dem die Güte eines Datensignals sehr schnell und zuverlässig ermittelt werden kann und die einzelnen Störsignale identifiziert werden können.

Erfindungsgemäß wird diese Aufgabe durch ein Verfahren mit den Merkmalen des Patenanspruchs 1 gelöst, indem zuerst von einem Datensignal, mit einer ausreichenden Anzahl von Bits, ein Histogramm der statistischen Signalverteilung erstellt wird.

Anschließend wird dieses Histogramm des gestörten Datensignals, das einer Gauß-Verteilung ähnelt, mit einer Gauß-Verteilung verglichen. Da die Stärke des Gaußschen Rauschens, die der Varianz der Gauß-Verteilung entspricht, nicht bekannt ist, wird dieser Vergleich für eine Vielzahl von Gauß- Verteilungen mit unterschiedlicher Varianz nacheinander vorgenommen. Da zwischen der Varianz und der Breite der Gauß-Verteilung ein direkter Zusammenhang besteht, kann die Breite des gestörten Datensignals zur Bestimmung des Bereiches, über den der Vergleich stattfinden muß, herangezogen werden. Man beginnt den Vergleich mit einer Breite der Gauß- Verteilung, die kleiner ist als die Breite des gestörten Datensignals, wobei die Breite jeweils für die Stelle der Kurve angegeben wird, an der sie die halbe Höhe aufweist. Der Vergleich beider Verteilungen wird mit einer angemessenen Zahl von Schritten fortgesetzt, bis zu einer Breite, die größer ist als die Breite des gestörten Datensignals. Damit ist gewährleistet, daß die tatsächliche Breite des gestörten Datensignals innerhalb des analysierten Bereiches liegt. Stimmt die gewählte Varianz der Gauß-Verteilung mit dem im Datensignal vorhandenen Gaußschen Rauschen überein, wird durch eine Entfaltung, dem numerischen Abziehen dieser Gauß-Verteilung vom Histogramm des gestörten Datensignals, die statistische Signalverteilung der anderen Signalstörungen erkennbar und kann identifiziert werden. Aus der Identifikation der Störsignale und deren Größe kann auf die möglichen Störquellen geschlußfolgert werden.

Damit sehr schnell Ergebnisse der Datenanalyse vorliegen, wird das gestörte Datensignal mittels schneller Fourier-Transformation mit der Gauß-Verteilung verglichen.

Wenn das Interferenzrauschen und das Gaußsche Rauschen qualitativ ermittelt sind, kann beispielsweise mit Hilfe der modifizierten Chernoffabschätzung die Bitfehlerrate der Kommunikationsstrecke bestimmt werden.

Das erfindungsgemäße Verfahren wird nachfolgend anhand eines Ausführungsbeispiels näher erläutert. Die zugehörigen Zeichnungen stellen dar:

Fig. 1 Histogramm eines Datensignals, das durch Interferenzrauschen und durch Gaußsches Rauschen degradiert ist

Fig. 2 Entfaltung des Histogramms durch eine Gauß-Verteilung mit unterschiedlicher Varianz

In der Fig. 1 sind die Histogramme eines gestörten binären Datensignals mit unterschiedlichen Anteilen von Interferenzrauschen und Gaußschem Rauschen dargestellt. Das Histogramm stellt die charakteristische Wahrscheinlichkeitsdichtefunktion eines gestörten Datensignals dar, das aus einer ausreichenden Anzahl von Bits gebildet wird. Es wird nur die Verteilung der "1"-Bits untersucht, da die dominierende Störung für das Interferenzrauschen nur bei den "1"-Bits auftritt. Typischerweise wird das zu untersuchende Datensignal aus ca. 10⁴ Bits bestehen. Aus bestimmten Kurvenformen des Histogramms kann auf bestimmte vorliegende Störsignale geschlußfolgert werden.

Das im Beispiel zu analysierende Datensignal ist durch Interferenzrauschen und durch Gaußsches Rauschen gestört, wobei drei Kurven für unterschiedliche Störanteile dargestellt sind. Die durchgezogene Kurve 1 stellt das Histogramm eines gestörten Datensignals dar, das ein Interferenzrauschen enthält, das ca. zehnmal so groß ist wie der Anteil des Gaußschen Rauschens, d. h. das Verhältnis von Interferenzrauschen zu Gaußschem Rauschen beträgt f = 10. Diese Kurve zeigt die charakteristische Wahrscheinlichkeitsdichteverteilung eines Inteferenzrauschens, das beispielsweise in Schaltknoten oder Add-Drop-Multiplexern (ADM) entstehen kann. Die beiden Spitzen dieser Kurve haben einen Abstand von 2R zueinander, der ein Maß für die Stärke des Interferenzrauschens ist.

Die gestrichelte Kurve 2 stellt das Histogramm eines gestörten Datensignals dar, das ein Interferenzrauschen enthält, das ca. zweimal so groß ist wie der Anteil des Gaußschen Rauschens, d. h. das Verhältnis von Interferenzrauschen zu Gaußschem Rauschen beträgt f = 2. Bei der punktierten Linie 3 handelt es sich um das Histogramm eines gestörten Datensignals, bei dem das Verhältnis von Interferenzrauschen zu Gaußschem Rauschen f = 0,5 beträgt.

Aus der Fig. 1 ist deutlich erkennbar, daß das im Datensignal vorhandene Interferenzrauschen nicht mehr identifiziert werden kann, wenn das Interferenzrauschen nicht wesentlich größer als das Gaußsche Rauschen ist. Selbst beim gewählten Beispiel der Kurve 2, bei dem das Verhältnis von Interferenzrauschen zu Gaußschem Rauschen f = 2 beträgt, ist das Interferenzrauschen nicht identifizierbar, da die Kurvenform bereits stark einer Gauß-Verteilung ähnelt.

Um das im Datensignal enthaltene Gaußsche Rauschen vom erstellten Histogramm des gestörten Datensignals zu eliminieren, damit die unterliegende Struktur sichtbar wird, wird das Histogramm des gestörten Datensignals mit einer Gauß-Verteilung verglichen, indem man numerisch das Datensignal mit einer Gauß-Verteilung entfaltet.

In der Fig. 2 wird die Entfaltung des Histogramms des gestörten Datensignals mit einer Gauß-Verteilung dargestellt. Im gewählten Beispiel wird ein gestörtes Datensignal gemäß Fig. 1 Kurve 2 analysiert, bei dem das Verhältnis von Interferenzrauschen zu Gaußschem Rauschen f = 2 beträgt. Die Entfaltung eines Histogramms gemäß Fig. 1 Kurve 1 ist nicht erforderlich, da die Kurvenform bereits eindeutig auf vorhandenes Interferenzrauschen hindeutet.

Der Anteil des Gaußschen Rauschens, der im gestörten Datensignal vorhanden ist, wird im Histogramm als Gauß-Verteilung dargestellt, die durch weitere Signalstörungen, z. B. ein doppelt so großes Interferenzrauschen überlagert ist und somit verzerrt wird, wie es in Fig. 1 Kurve 2 ersichtlich ist. Wenn man das Histogramm des gestörten Datensignals mit der Gauß- Verteilung, die dem Gaußschen Rauschen im Datensignal entspricht, entfaltet, entsteht ein Histogramm der übrigen Signalstörungen gem. Fig. 2 Kurve 4. Aus diesem Histogramm kann man die anderen Signalstörungen identifizieren und somit auf die möglichen Störquellen schließen und geeignete Maßnahmen zur Reduzierung der Signalstörungen einleiten. Die Kurve 4 zeigt die charakteristische Kurvenform eines Histogramms für ein Datensignal, das durch Interferenzrauschen degradiert ist. Auch hier sind die beiden Spitzen deutlich erkennbar, deren Abstand wiederum 2R beträgt, der ein Maß für die Stärke des Anteils des Interferenzrauschens im gestörten Datensignal gemäß Fig. 1 Kurve 1 ist.

Da die Stärke des Gaußschen Rauschens, die der Varianz der Gauß- Verteilung entspricht, nicht bekannt ist, wird ein Vergleich des Histogramms des gestörten Datensignals 2 mit der Gauß-Verteilung für eine Vielzahl von Gauß-Verteilungen, mit unterschiedlicher Varianz nacheinander vorgenommen.

Zwischen der Varianz und der Breite B der Gauß-Verteilung besteht ein direkter Zusammenhang, der wie folgt berechnet wird:

Varianz = B² . (8ln2)^-1 ≈ 0,18 . B².

Weiterhin kann als ungefähres Maß für die Breite der Gauß-Verteilung des Gaußschen Rauschens die Breite b des Histogramms des gestörten Datensignals angenommen werden. Somit kann die Breite b des Histogramms des gestörten Datensignals zur Bestimmung des Bereiches der Varianz, über den der Vergleich stattfinden muß, herangezogen werden. Begonnen wird mit einer Varianz der Gauß-Verteilung, die einer Breite von b/5 entspricht und wird mit ca. 100 Schritten bis zu einer Varianz, die einer Breite von von 2b entspricht, fortgesetzt. Die tatsächliche Varianz des Gaußschen Rauschens liegt unter dieser Voraussetzung auf alle Fälle in dem Bereich der ausgewählten Varianzen der Gauß-Verteilung. Da dieses Verfahren rechentechnisch unterstützt wird, wird die Varianz mit den vorgenannten Parametern durchgescannt. Man kann die Schrittweite verringern, sobald man sich mit der gewählten Varianz der tatsächlichen Breite b des Histogramms des gestörten Datensignals nähert.

Entspricht die gewählte Varianz der Gauß-Verteilung der Breite B des im Datensignal vorhandenen Gaußschen Rauschen, wird durch die Entfaltung des Histogramms des gestörten Datensignals mit dieser Gauß-Verteilung die statistische Signalverteilung der anderen Signalstörungen erkennbar. Dieser Fall ist in Fig. 2 durch die durchgezogene Kurve 4 dargestellt, bei dem die gewählte Varianz der Gauß-Verteilung gleich der Stärke des Gaußschen Rauschen ist, wobei das Verhältnis der Varianz der Gauß-Verteilung zur Varianz des Gaußschen Rauschens F = 1 beträgt.

Beträgt die Abweichung zwischen der gewählten Varianz für die Gauß- Verteilung und der tatsächlichen Stärke des Gaußschen Rauschens nur 10%, so ändert sich die entfaltete Struktur drastisch. Bei der gestrichelten Kurve 6 beträgt das Verhältnis der Varianz der Gauß-Verteilung zur Varianz des Gaußschen Rauschens F = 0,9 und die unterliegenden Strukturen sind unscharf, so daß sich die entfaltete Kurve 6 nicht eindeutig interpretieren läßt.

Ebenfalls nicht interpretierbar ist die punktierte Kurve 5, die sich bei einem Verhältnis der Varianz der Gauß-Verteilung zur Varianz des Gaußschen Rauschens von F = 1,1 ergibt.

Durch die Empfindlichkeit des Verfahrens kann eine gute Abschätzung sowohl des Interferenzrauschens als auch des Gaußschen Rauschens durchgeführt werden.

Die Entfaltung kann mit Hilfe der schnellen Fourier-Transformation numerisch sehr schnell durchgeführt werden, so daß die Ergebnisse der Entfaltung sehr schnell vorliegen, um aus dem entfalteten Histogramm Rückschlüsse auf die Signalstörungen, deren Quellen sowie auf die Signalgüte ziehen zu können.

Eine weitere Vereinfachung des Verfahrens und Erhöhung der Effizienz kann erreicht werden, wenn man die Ergebnisse der Entfaltungen des Histogramms mit der Vielzahl der Varianzen für die Gauß-Verteilung durch eine geeignete Software auswerten läßt. Dadurch kann der Scanvorgang beschleunigt werden, die Schrittweite automatisch gewählt und angepaßt werden und es werden die nicht interpretierbaren Kurven nicht zur Anzeige gebracht. Somit werden nur die Entfaltungs-Histogramme ausgewertet, die auch eine sinnvolle Interpretation und somit Rückschlüsse auf die Störquellen zulassen.

Claims

1. Verfahren zur Feststellung der Qualität/Güte von Datensignalen und zur Identifikation von Störsignalen in optischen Übertragungsnetzen, wobei die Datensignale durch Gaußsches Rauschen und andere Signalstörungen degradiert sind und das Gaußsche Rauschen die anderen Signalstörungen überdeckt, dadurch gekennzeichnet, daß ein Datensignal erfaßt wird und für dieses Datensignal ein Histogramm, ein Diagramm der Häufigkeitsverteilung, d. h. der statistischen Signalverteilung erstellt wird, anschließend wird dieses Histogramm des gestörten Datensignals mit einer Gauß-Verteilung verglichen, wobei dieser Vergleich für eine Vielzahl von Gauß-Verteilungen mit unterschiedlicher Varianz nacheinander vorgenommen wird, wenn die gewählte Varianz der Gauß- Verteilung mit dem im Datensignal vorhandenen Gaußschen Rauschen übereinstimmt, wird durch den Vergleich des Histogramms des gestörten Datensignals mit dieser Gauß-Verteilung die statistische Signalverteilung der anderen Signalstörungen erkennbar und kann identifiziert werden, wobei aus der Identifikation der Störsignale und deren Größe auf die möglichen Störquellen geschlußfolgert werden kann.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß das gestörte Datensignal mittels schneller Fourier-Transformation mit der Gauß-Verteilung verglichen wird.

3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Varianz der Gauß-Verteilung von einem Wert, der einer geringeren Breite des Histogramms des gestörten Datensignals entspricht, in einer angemessenen Anzahl von Schritten, bis zu einer Varianz, die einer größeren Breite des gestörten Datensignals entspricht, verändert wird.

4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Auswertung der Ergebnisse der nacheinander erfolgenden Entfaltungen des Histogramms mit der Vielzahl der Varianzen für die Gauß-Verteilung durch eine geeignete Software erfolgt.