RIGOL DG70000图形信号仿真应用

引言

人工神经网络(ANN)是一种模仿生物神经网络而形成的一种学习模型，与生物神经网络一样有信息的输入输出，如图1.1所示，以人工神经元(Neurons)为节点，信息由一个神经元传递到下一个神经元，每一道连接都有各自的激励函数代表权重大小。通过适当的反馈调整网络参数，人工神经网络可以“学习”并执行面部识别、语音翻译、策略游戏和医疗诊断等复杂操作，而且通常这个“学习”过程需要大量合适的数据集作为输入配合完成。

图1.1人工神经网络

光神经网络(ONN)

人工神经网络需要大量的数据集输入，其中的光神经网络(ONN)通过在光学器件中以光速完成大量的密集矩阵乘法运算，实现比人工神经网络更高的超快计算速度，并且由于其光通信的传输方式，避免了数据在读取和来回移动存储带来的能量消耗，具备优良的低功耗和高速特性。

类似于人眼识别，光神经网络的输入数据也是图片，以图2.1的手写数字举例，每个数字如果按照7x7=49的像素块划分，每个像素有不同的灰度级别（根据色彩要求可以有不同的灰度级别），通过光传感器进行图形提取，将矩阵图像重新排列成一维数组。通过这样的方式，将大量的图片转化为光学数据，并进入光神经网络进行卷积运算。

图2.1单个数字的图形信号处理

数据集的形成来源于将海量的图像数据转化为一维bit数据，再对这些bit数据进行处理。如图2.2，在本次实验中，研究者将经过处理的图形数据作为调制源调制脉冲激光器输出，通过单模光纤(SMF)传输信号，这样信号继续进入下级网络，或者最终会由光电传感器(PD)转化为电信号，最终的输出结果可以使用高速示波器进行捕获，最终电脑对波形数据做观察分析。

图2.2光学感知器的试验装置

如上所示是对一个图像进行识别判断的最后过程，因为信号最终光转电的过程由示波器完成，信号分辨率越高，激光器消光比越大，最终得到的结果清晰度越高，误码越小。在初次的测试中，研究者使用了可编程线性电源作为调制源，线性电源通常输出幅度范围更大，以期望获得较大的激光器消光比输出。

测试挑战

因为脉冲激光器输入幅度的原因，在实验初期时是使用可编程线性电源作调制源。如图3.1所示，电源根据输入bit信号（蓝色线）得到相应调制电压（橙色线），使用这个电压调制脉冲激光器进行输出。线性电源输出电压范围较大，通常在伏(V)级别，但信号频率较低，时间尺度一般在秒(s)量

级，信号带宽无法提高，只能传输简单灰度的图像，或者花极长时间才能传输一张高清图片，其次大部分电源由于波表长度限制，大量的数据需要构建海量的波表，这也给后期的数据分析带来了一定的困扰。在实验后期，需要更高速率的调制方式，并且要适配原来的波表输入方式。

图3.1输入bit信号（蓝色线）及其相应调制电压（橙色线）示例图

解决方案

为了解决调制速率低以及波表导入的问题，我们想到了使用速率更高，更适合做数据模拟的信号源，例如AWG来代替线性电源充当调制源。如图4.1所示，为AWG进行数据模拟输出时的数据示意图。图中，数据主体是由80个手写数字图像识别而成的数据组成的数据流，放大后的细节还展示了波表数据最前端的触发信号(Trigger)和一个参考电平信号(Reference)，最后还有一个偏置符号(Pre-trainedbias)。

图4.1使用AWG进行信号仿真示例

从数据速率上，可以直观看到AWG的传输时间尺度来到了ns级别，AWG的波表导入方式通常多种多样，无论是通过上位机程控写入还是直接加载波表文件的方式，AWG按照输入波表的bit量化级别输出对应幅值的电压信号做调制源，保证信号传输质量的同时，极大提高了时间效率。当然由于AWG的输出幅值范围相比线性电源普遍较低，通常在毫伏(mV)级别，使用AWG的输出做调制源通常会接一个放大器使用，将电压放大到脉冲激光器的合适输入范围，以获得更大的消光比。

图4.2AWG数据编辑界面

如图4.2所示，在本次实验中，研究者最终采用的AWG型号为RIGOL DG70004任意波形发生器，充当信号仿真的激励源。DG70004具有最高12Gsa/s采样率、2GHz模拟带宽、16bit垂直分辨率和最长1.5Gpts的波表长度等特点，很好的弥补了线性电源的不足，满足了试验预期。将bit数据转化为不超过1.5Gpts的波表，用户可通过编程或直接文件导入的方式将波表加载到仪器，并根据用户设定的采样率进行输出。

由于DG70000的**垂直分辨率为16bit，数据编码也应按照bit值进行编码，不管是预留触发电平，还是为了提高分辨率以多个bit编码一个符号数据，都在构建波表时完成。这样我们完成了图像的像素值到电压值的转换，且获得了较高的分辨率，相比最开始试用的线性电源，现在信号传输的时间尺度来到了百纳秒级别，提高了接近107倍。

最后，将信号输出加载到脉冲激光器做调制源，完成电信号到光信号的转化，再经过一系列光学器件，光学器件以光速完成主要的矩阵乘法运算等处理，输出的数据由光电探测器转化成电信号，再由示波器进行观察和信号采集工作，如图4.3所示，对数据的分析则是使用RIGOL DS70000传回的波形数据在电脑端进行。

图4.3示波器实际数据还原效果

该方案的优点如下：

• AWG拥有高速率，高bit位特点，适合做信号模拟仿真DG70000拥有2GHz带宽，16bit垂直精度，高速率意味着信号传输速率的提高，整个系统带宽也随之提高，而高bit有更高的信号识别性，配合放大器进行使用时也能保证有较高的幅值精度。

• AWG的波表数据可通过编程方式/波表文件导入，便于数据管理DG70000的单个波表长度最高位1.5Gpts，配合16bit的垂直分辨率，单次传输中完成大量数据的传输工作，减轻了数据管理复杂度。用户只需将16bit动态范围的规范数据生成txt波表就可以直接导入信号源进行输出。(或是通过模拟的方式，信号源也能直接识别电压数据格式的波表文件)

• AWG采样率任意可调DG70000实数模式下的可变采样率范围为100-5GHz，可根据波表或系统要求实时调整，适配不同的测试实验。

小结

通过DG70004充当调制源输出，图形信号的仿真结果获得了更高的输出精度以及更快的信号传输速率，高精度意味着输出有效bit位数的提高，在有限的传输时间内，将比较简单的灰度图像传输提升为色级更高的彩色图像传输，或是在同样的传输时间下，使用DG70000能传输一幅精度更高的黑白图像。并且其便利的可编程特性，能直接导入波表数据等都为测试者进行大量数据转化，采集工作带来便利。

文章版权属于普源所有