What is Extinction Ratio?It is defined as the ratio of the logic one level amplitude (V top) to the logic zero level amplitude (V base). It is an indication of how efficiently the laser power is converted to signal power.
当测量误差具有系统性和可重复性时,可以通过仪器校准过程将其从测量中消除。成功校准的关键是准确量化误差,并采用有效的方法将其从最终消光比结果中消除。最容易量化的误差是暗电流偏移。当输入端没有信号时,DCA通道(包括光电探测器)可以产生小信号。这种杂散信号可以有效地抵消被测信号,从而导致消光比测量误差。DCA校准菜单有一个暗校准程序,用户可以执行。当 DCA通道输入端没有信号时,可以测量“暗”信号并记录其值。DCA将显示消除任何暗电平偏移的波形。DCA通道(尤其是光电探测器后包括放大的通道)的直流和极低频增益与通道带宽内的中频和高频增益略有不同,这是很常见的。如果 DC 增益相对较高,则显示波形的平均值将比波形的 AC(或光调制幅度或 OMA)具有更高的增益。在消光比的背景下,结果是消光比值明显降低。图 3. 直流偏差对消光比的影响量化此影响的方法是向 DCA通道呈现极高的消光比信号(大约 30 dB)。参考信号的调制速率较低,因此可将另一个校准步骤中处理的高频误差机制降至最低。此过程对于测量非常高的消光比信号(大于 10 dB)最为重要。如果相对 DC 增益仅为 0.3 dB(1.07 线性),则 10 dB 消光比信号将被视为 8.7 dB 消光比的信号。在极端情况下,将观察到 14.6 dB 的消光比无限大的信号。如果不进行校正,0.3 dB 偏移会导致 14.6 dB 的测量限值。也就是说,可以报告的最高消光比为 14.6 dB。当 DCA 通道具有这样的偏移时,在应用 30 dB 消光比参考信号时会直接显示出来。一旦知道,它就会自动从信号中删除,并且显示的波形将不带偏移。请注意,当消光比处于 4 到 5 dB 范围内时(数据中心应用中使用的发射器通常如此),直流偏移误差的影响非常小。DCA 通道的宽带宽频率响应中的缺陷也会影响观察到的消光比。考虑符号间干扰如何导致眼图闭合。有效减少“1”级别并增加“0”级别会导致观察到的消光比明显减少(如图 4 所示)。图4. 频率响应对消光比的影响这种误差机制的量化很复杂,因为它不仅取决于 DCA 通道,还取决于被测信号。必须为每个 DCA 参考接收器滤波器设置和相关数据速率确定一个唯一的误差。评估频率响应的影响需要具有已知消光比信号以适当的参考接收器数据速率运行。这可以通过创建具有理想 Bessel-Thomson 频率响应的 DCA 通道来实现。这样,就可以确定参考信号的消光比,而不会受到任何频率响应引起的误差的影响。此方法用于在任何数据速率下生成已知消光比参考信号。然后使用这些信号来确定通道的高频误差机制。与上面讨论的校正 DC 偏移不同,此校准过程还将补偿显示正确 OMA 幅度的误差。它不仅可以获得更好的消光比精度,还可以改善眼图幅度的绝对测量,包括 OMA。更新后的校准过程还将在多通道 DCA(例如四通道 N1092D)中产生更好的一致性。在每个 DCA 通道上呈现的同一信号上测量的消光比之间应该差别很小。
发射机消光比如何影响系统性能?
最能描述通信系统整体健康状况的参数是误码率 (BER)。几乎任何设计良好的数字通信系统都能够实现几乎无差错的通信,只要发射机功率保持足够高,系统损耗(即光纤衰减)保持足够低。为了最大限度地减少对昂贵的放大器或再生器的需求,最好在发射机和接收机之间拥有尽可能长的跨度。传输跨度过长最终会降低系统误码率 BER,因为信号电平会下降,噪声会成为接收器信号的主要成分。但是,发射机消光比也会影响传输系统的允许长度。图5 展示了一个最简单的消光比图和功率预算的反比关系曲线。图 5 显示了误码率 BER 功率损失与消光比的关系。例如,如果消光比为 8.2 dB,则需要传输大约 1 dB 的额外功率才能实现与消光比为 13 dB 时相同的 BER。换句话说,平均功率为 0 dBm 且消光比为 13 dB 的信号应实现与平均功率为 1 dBm 且消光比为 8.2 dB 的信号相同的 BER。同样,与消光比为 8.2 dB 相比,如果消光比降低到 5 dB,则需要额外的 1.5 dB 功率来维持 BER 水平。了解并最大程度地提高消光比测量的准确性和可重复性有多种因素可能会降低消光比测量的准确性。这些因素可分为以下几类:
文/Leon编辑/cc孙聪颖作为全球AI领域的黑马,DeepSeek成功搅乱了中国AI大模型市场的格局。科技大厂们选择合作,接入其模型疯抢用户;而AI独角兽们则陷入两难境地,上演了“Do Or Die”的抉择。其中,有着“大模型六小虎”之称的六家AI独角兽公司(智谱AI、百川智能、月之暗面、MiniMax、阶跃星辰及零一万物),纷纷开始转型:2025年伊始,李开复的零一万物宣布转型,不再追逐超大模型,而是聚焦AI商业化应用;紧接着,消息称百川智能放弃B端金融市场,聚焦AI医疗;月之暗面开始削减K