基于pSim的波分复用链路参数自动设计与实现

  pSim 光电协同链路仿真工具，可验证多模、双向和多通道光电链路，在时域或频域进行光子及电子信号处理和分析。其设计环境类似于传统EDA电子电路的仿真工具，方便设计采用多种器件组成的光电协同链路；其分层设计环境及可视化直观操作接口使得设计者可以方便的将各个器件相互连接，并仿真分析整体系统，验证系统在时域及频域上的响应。pSim使用者除了利用GUI，还可以充分利用Python 3编程语言的优势，搭建链路、设置仿真、进行后处理。设计者还可导入丰富的第三方智能代码库进行机器学习辅助逆向设计、优化设计、统计分析、良率分析等，支持方便灵活的二次开发。

  本案例基于微环级联结构，采用遗传算法进行参数自动设计，旨在设计密集波分复用链路，波峰分别位于1542nm/1544nm/1546nm/1548nm。微环的模型由定向耦合器和波导构成，关于定向耦合器和波导的具体参数设置可以参照《pSim使用手册》。下面将从设计思路、算法实现分别进行描述。

  图1. 微环结构构成

  设计思路

  设计思路如图2所示，首先需要初始化链路模型，创建基础的链路结构，此处选用级联微环结构，具体实现代码如下。

  基本的链路创建完成之后，进入到自动设计链路参数的部分。我们需要有明确的设计目标，并将其以数值或者数学模型的方式给出，方便算法明确优化方向，以便做出进一步的优化。除此之外，我们还需要设置部分初始值，主要包括仿真环境相关的参数以及结构器件的参数，需要保证这些参数处于合理的范围。完成以上步骤以后，我们要选择合适的优化算法，来实现器件参数的自动设计。

图2. 设计思路与算法实现流程

  算法实现

  本案例选用遗传算法作为优化方法自动设计参数，本案例中的遗传算法直接调用sko库实现，下面分别介绍适应度函数求解以及库的安装与调用。

  适应度函数是遗传算法是否满足输出条件判断的价值函数，在此我们选取目标函数作为适应度函数。本案例的目标是设计密集波分复用链路，波峰分别位于1542nm/1544nm/1546nm/1548nm，具体实现代码如下。

  调用遗传算法首先需要确保安装sko库，安装完成之后调用即可实现参数自动设计。

  func为适应度函数，n_dim为参数维度，size_pop为种群大小，max_iter为最大迭代次数，lb为参数起始边界，ub为参数最大值边界，precision为设计精度。

(a) [10.50475133, 19.08075549, 27.36347612, 14.86935732]

(b) [11.81670232, 14.8363411 , 28.62451997, 20.48715841]

(c) [10.85719129, 10.1782227 , 22.79970474, 11.53963126]

图3.最终设计仿真结果展示

  最终的仿真结果显示，最终设计的参数符合我们的目标要求，并且通过这种算法自动设置参数的方式我们可以任意选择通道进行相应波长范围信号的提取。上述结果还表明了逆向设计对于集成波分复用链路的可行性。除此之外，本案列还可以移植到任何光电集成链路中使用。总而言之，算法与pSim 的结合，使集成链路设计变得更加便捷和高效。