一种基于高斯过程回归的光信噪比监测技术

鄢 然，胡春杰，李 蔚*

一种基于高斯过程回归的光信噪比监测技术

鄢 然1,2，胡春杰3，李 蔚3*

1武汉中原电子集团有限公司，湖北 武汉 430205；2华中科技大学软件学院，湖北 武汉 430074；3华中科技大学武汉光电国家研究中心，湖北 武汉 430074

提出并通过实验验证了一种新颖的带内光信噪比(OSNR)监测技术，该技术利用商用的大带宽可调谐光带通滤波器进行采样，将得到的光功率测量值作为高斯过程回归(GPR)的输入特征值，能够准确地估计出大动态范围OSNR值，并且不受光链路的配置影响，具有分布式低成本的特点。针对32 Gbaud PDM-16QAM信号的实验结果表明，在-1 dB~30 dB的大OSNR范围内，光信噪比监测的均方根误差(RMSE)为0.429 dB，平均绝对误差(MAE)为0.294 dB。此外，本文提出的技术被证明对色散、偏振模色散、非线性效应和级联滤波效应(CFE)均不敏感。实验表明，本文提出的技术有潜力被用于在传输信息未知的情况下对中间节点实施链路监控，且由于不需要校准而更易于操作。

光链路监控；光性能监测；光信噪比；高斯过程回归；相干光通信

1 引 言

随着全球IP流量引发的带宽需求爆炸性增长，密集波分复用(dense wavelength division multiplexing, DWDM)和高级光调制格式已被广泛研究以扩展传输容量和提高频谱效率[1]。此外，可重构光分插复用器(reconfigurable optical add-drop multiplexer, ROADM)的出现也增加了光纤传输系统的灵活性和动态性[2]。在这样的光纤传输系统中，光性能监测(optical performance monitoring, OPM)和光链路监测是不可或缺的，因为它们可以提供最佳的资源利用，故障定位和损坏修复等[3]。另一方面，色散(chromatic dispersion, CD)等线性损伤可以通过相干接收机中的数字信号处理(digital signal processing, DSP)算法来有效补偿，所以传输性能主要取决于光信噪比(optical signal-to-noise ratio, OSNR)[4]。因此，OSNR监测对于确保传输性能至关重要，应该被广泛部署在包括中间节点等在内的传输链路中。考虑到实际工程中，长途光纤传输系统包含许多标准单模光纤(standard single mode fiber, SSMF)跨段级联，每一跨段光纤长度为80 km~100 km并由光放大器补偿传输损耗[5]。

传统的标准带外OSNR监测方技术对于具有超窄信道间隔的DWDM系统或具有ROADM的动态光网络已不再适用。为了解决这个问题，目前已经报道了许多带内OSNR监测技术。这些技术主要可以分为两种类型：第一种类型为通过数字相干接收机来监测终端节点的OSNR，例如幅度直方图[6]，统计矩[7]，误差矢量幅度(error vector magnitude, EVM)[8]，斯托克斯参数[9]，幅度噪声相关性[10]和基于数据辅助[11]的技术；第二种类型为通过在中间节点处引入额外光学器件来监测OSNR，例如偏振归零[12]，光延迟干涉仪[13]，偏移滤波和光功率测量[14-15]，参考光谱[16-18]和基于异步延迟采样[19]的技术。一般来说，OSNR监测模块应该是低成本的、可靠的、鲁棒的并且可以在传输链路上广泛部署以获取链路信号质量信息。对于第一类技术，由于需要使用到高采样率的数字相干接收机，价格昂贵而无法广泛部署。因此当监测节点处传输信息未知并且需要考虑到成本效益时，第二类技术是首要选择。

为了解决鲁棒性的问题，我们把机器学习引入到OSNR的精确监测中。在本文中，我们提出了一种基于高斯过程回归(Gaussian process regression, GPR)的机器学习方法，通过利用目前已经商用的低成本大带宽可调谐的光带通滤波器(optical bandpass filter, OBPF)将采样得到的光功率值作为高斯过程回归的输入特征，可以克服上述OSNR监测的难题。在我们提出的技术中，所需要的额外硬件设备包括商用的大带宽可调谐OBPF，其具有超高斯形状的滤波谱，0.2 nm的3 dB带宽，0.02 nm的波长分辨率，一个低速光电探测器(photodiode, PD)以及信号处理单元。我们以波长分辨率扫描可调谐OBPF的中心波长以遍历C波段，然后记录相应的光功率测量值。在信号处理单元中，GPR用于结合所记录的光功率测量值来实现带内OSNR监测。我们通过实验证明，该技术无需任何校准即可实现高精度的OSNR监测，并且对CD，偏振模色散(polarization mode dispersion, PMD)，非线性效应(nonlinear effect, NLE)和级联滤波效应(cascaded filtering effect, CFE)鲁棒。此外，监测节点处的传输信息对于我们提出的技术并不是必要的，即我们提出的技术可以被广泛部署在链路任意节点中。

2 工作原理

高斯过程(Gaussian process, GP)可以看作是机器学习中监督学习方法的一种，它从训练集中构建输入与输出之间的关系，因此在给定新的输入时能够通过已构建的映射关系来预测新的输出。高斯过程通常可以用来解决回归问题和分类问题。回归问题是指在输入集与输出集均为连续变量的情况下进行预测，分类问题是指在输出集为有限个特定范围内的离散变量的情况下进行预测。由于本文只涉及OSNR的回归预测建模，以下内容主要研究GPR。

2.1 高斯过程回归(GPR)

一般情况下，如果只用一种评价指标来衡量GPR模型的预测性能不具有说服力，为了更好地体现GPR模型的预测性能，本文主要选用均方根误差(root mean squared error, RMSE)和平均绝对误差(mean absolute error, MAE)两种评价指标来对GPR模型进行检验。

2.2 基于GPR的OSNR监测原理

图1 提出的OSNR监测器的示意图

在参考文献[16]中，OSNR监测精度取决于可调谐OBPF的带宽，需要低至几GHz带宽的可调谐OBPF才能提高OSNR监测精度。但是如此窄带宽的可调谐OBPF价格昂贵，并且到目前为止尚未在市场上广泛销售。在参考文献[17]和[18]中，OSNR监测精度取决于偏移频率和低通滤波器的带宽，需要将偏移频率设置得更靠近信号频谱的边缘才能保证高OSNR监测精度。此外，以上这两种方法仅利用了单边带光谱信息，且许多参数需要进行校准才能保证良好的监测精度。本文提出的技术就是对以上两种方法的巨大改进，在低成本的前提下，充分利用光谱信息联合机器学习的方式实现了强鲁棒性、高监测精度和无需校准等特性。

图2 扫描可调谐OBPF的中心波长后的信号光谱。黑色实线表示信号光谱；绿色虚线表示可调谐OBPF的滤波形状

图3 信号处理单元的架构框图

3 实验建立与结果分析

用于验证所提出的带内OSNR监测技术的实验如图4所示。在发射机端，我们在监测信道上添加了左右对称的各4个干扰信道，其信道间隔为50 GHz(0.4 nm)。9个信道发出的连续光经复用器耦合，然后由偏振复用IQ调制器进行调制，以生成PDM-16QAM信号。可编程AWG(Keysight：M9502A)用于产生32 GS/s的伪随机信号。于是便生成了9×32 Gbaud PDM-16QAM的待测信号。待测信号的入纤功率由EDFA进行控制。在传输链路中，利用后向拉曼放大来补偿每一跨段的光纤损耗。传输链路包含若干个(6/12/18/24)跨段长度为80 km的SSMF。在这种情况下，分别改变监测节点处待测信号的入纤功率、传输距离和所经历的级联WSS个数，从而形成不同的系统条件。其中，级联WSS的个数由加载了各种级联滤波器波形的Finisar WaveShaper 4000s可编程滤波器确定。每一级滤波器的带通光谱均设置为具有50 GHz带宽的3阶超高斯形状。在监测节点处，我们在ASE噪声源(EXFO FLS-2300B)后添加一个VOA调整待测信号的OSNR。光谱仪OSA用于测量OSNR实际值，所提出的带内OSNR监测模块用于获取OSNR估计值。它包括一个具有超高斯形状的大带宽可调谐OBPF，其3 dB带宽为0.2 nm，波长分辨率为0.02 nm。用波长分辨率调整可调谐OBPF的中心波长以遍历C波段，然后使用低速PD记录相应的光功率测量值。在每一个系统条件下，在相同OSNR时收集5组独立的光功率测量值。这样可以生成了一组样本数量可观的数据集。我们随机选择其中的70%和30%分别作为为训练数据集和测试数据集。在我们的工作中，训练阶段通过matlab R2019a回归学习工具箱实现。

为了确保在长距离传输中待测信号具有较宽的OSNR范围，并验证所提出的带内OSNR监测技术对CD、PMD、NLE和CFE鲁棒，系统条件如表1所示。从表1中可以看出，上述系统条件可以分为3类：(I)传输链路中无WSS，传输距离和入纤功率发生改变；(II)传输链路中级联WSS的数目为6，传输距离和入纤功率发生改变；(III)传输链路中级联WSS的数目改变，而传输距离和入纤功率均不发生改变。下面将对这些系统条件下得到的实验结果展开讨论。

第一类系统条件类似于当前提出的大多数方案的实验条件，在传输链路中不考虑WSS。在此类别中生成了一个沿C波段的585组光功率测量值的数据集。提取监测信道中全部光功率测量值时，根据第2节，用于OSNR监测的光功率测量值的数量为0.4 nm/0.02 nm(即=20)。因此，当利用上述20个光功率测量值和传输距离与入纤功率一起作为GPR的输入特征，得到如图5(a)所示的实验结果。在4 dB~30 dB的OSNR范围内，RMSE和MAE分别为0.484 dB和0.386 dB，这表明所提出的OSNR监测技术可以正常工作于存在CD、PMD以及NLE的情况下。由于监测信道中心波长附近的光功率测量值已经包含某些当前功率信息[15]，将上述光功率测量值用作GPR的输入特征。于是可以得到如图5(b)所示的实验结果，RMSE和MAE分别为0.486 dB和0.386 dB，这表明OSNR监测性能几乎没有变化。因此，对于第一类系统条件的传输方案，尽管监测节点处的系统条件未知，但我们提出的OSNR监测技术不会受到影响，仍可以高精度且高效地工作。

图4 实验装置。MUX：复用器；AWG：任意波形发生器；VOA：可调光衰减器；OSA：光谱仪

表1 32 Gbaud PDM-16QAM系统的系统条件

为了进一步研究光学滤波元件对OSNR监测性能的影响，将传输链路中级联WSS的数目固定为6。这样在第二类系统条件中，生成了一个沿C波段的625组光功率测量值的数据集。与第一类系统条件的对比方法类似，在图6(a)中，将此时的20个光功率测量值和传输距离与入纤功率一起作为GPR的输入特征，而在图6(b)中，则仅将上述20个光功率测量值用作GPR的输入特征。在-1 dB~30 dB的OSNR范围内，图6(a)的RMSE和MAE分别为0.315 dB和0.2 dB，图6(b)的RMSE和MAE分别为0.311 dB和0.208 dB。实验结果表明，提出的OSNR监测技术可以在存在滤波效应的情况下正常工作且无需知道监测节点处信号的系统条件。与第一类系统条件的实验结果相比，OSNR监测性能得到了改善。这主要是由于此时实际OSNR范围向较低OSNR处扩展，且监测误差在低OSNR时比在高OSNR时小得多。

为了进一步研究CFE对OSNR监测性能的影响，在传输距离为960 km且入纤功率为4 dBm时改变传输链路中级联WSS数目。这样在第三类系统条件中，生成了一个沿C波段的785组光功率测量值的数据集。与上述对比方法类似，在图7(a)中，将此时的20个光功率测量值和级联WSS的个数一起作为GPR的输入特征；而在图7(b)中，仅用上述20个光功率测量值作为GPR的输入特征。在2 dB~30 dB的OSNR范围内，图7(a)的RMSE和MAE分别为0.393 dB和0.284 dB，图7(b)的RMSE和MAE分别为0.415 dB和0.307 dB。实验结果表明，我们提出的OSNR监测技术可以在存在CFE的情况下正常工作且无需知道监测节点处信号的系统条件。与第一类系统条件的实验结果相比，OSNR监测性能也得到了改善。这主要是由于此时用于训练和测试的数据集有所增加。然而，与第二类系统条件的实验结果相比，OSNR监测性能有所下降。这主要是由于此时实际OSNR范围向较高OSNR处扩展，且监测误差在高OSNR时比在低OSNR时大得多。

图5 在第一类系统条件的测试阶段中，PDM-16QAM信号的OSNR监测误差。(a) 输入特征包括传输距离和入纤功率；(b) 输入特征中没有传输距离或发射功率

图6 在第二类系统条件的测试阶段中，PDM-16QAM信号的OSNR监测误差。(a) 输入特征包括传输距离和入纤功率；(b) 输入特征中没有传输距离或发射功率

图7 在第三类系统条件的测试阶段中，PDM-16QAM信号的OSNR监测误差。(a) 输入特征包括级联WSS个数；(b) 输入特征中无级联WSS个数

进一步考虑在监测节点处既不知道传输距离和入纤功率也不知道级联WSS个数时，提出的OSNR监测技术是否仍可以正常工作。我们混合了以上三类系统条件的数据，得到了一个沿C波段的1675组光功率测量值的数据集。与上述对比方法类似，在图8(a)中，将此时的20个光功率测量值和传输距离、入纤功率以及级联WSS的个数一起作为GPR的输入特征，而在图8(b)中，仅用上述20个光功率测量值作为GPR的输入特征。在-1 dB~30 dB的OSNR范围内，图8(a)的RMSE和MAE分别为0.418 dB和0.3 dB，图8(b)的RMSE和MAE分别为0.429 dB和0.294 dB。显然，OSNR监测性能几乎没有下降。进一步分析图8中的实验结果，以获得图9。从图9可以看出，大多数实验结果都非常好，在-1 dB~30 dB的OSNR范围内，典型偏差(例如<>±)均在±0.2 dB以内。也就是说，在无论是否知道系统条件的情况下，本文提出的OSNR监测技术都具有高精度及强鲁棒性。

图8 在上述三类系统条件的测试阶段中，PDM-16QAM信号的OSNR监测误差。(a) 输入特征包括传输距离、入纤功率以及级联WSS个数；(b) 输入特征中不包括传输距离、入纤功率和级联WSS个数

图9 在上述三类系统条件的测试阶段中，PDM-16QAM信号与真实OSNR的偏差。(a) 输入特征包括传输距离、入纤功率以及级联WSS个数；(b) 输入特征中不包括传输距离、入纤功率和级联WSS个数

从以上获得的实验结果可以看出，本文提出的OSNR监测技术对于CD、PMD、NLE和CFE均具有很强的鲁棒性，并且可以在无需知道系统条件的情况下保持高监测精度且可以部署在传输链路上的任意节点处。

4 结 论

本文提出了一种低成本和分布式的带内OSNR监测技术，并在高速相干光通信系统中进行了实验验证。我们通过利用大带宽可调谐的光带通滤波器得到的光功率测量值作为高斯过程回归的输入特征，实现了高精度的OSNR监测。实验结果表明，在具有50 GHz信道间隔的9×32 Gbaud PDM-16QAM系统中，RMSE和MAE在-1 dB~30 dB的OSNR范围内分别低于0.43 dB和0.3 dB。此外，实验结果还表明，我们提出的OSNR监测技术对CD、PMD、NLE和CFE均具有鲁棒性，可以在无需知道系统条件的情况下部署在传输链路的任意节点处。

[1] Xue D J, Yu S H, Yang Q,. Frontier research of ultra-high-speed ultra-large-capacity and ultra-long-haul optical transmission[J]., 2016, 9(2): 123–137.

[2] Cartledge J C. Performance of coherent optical fiber transmission systems[J]., 2018, 11(2): 128–133.

[3] Zhang P, Feng Q G, Li W,. Simultaneous OTDR dynamic range and spatial resolution enhancement by digital LFM pulse and short-time FrFT[J]., 2019, 9(4): 668.

[4] Savory S J. Digital coherent optical receivers: algorithms and subsystems[J]., 2010, 16(5): 1164–1179.

[5] Downie J D, Hurley J, Pikula D,. Ultra-long-haul 112 Gb/s PM-QPSK transmission systems using longer spans and Raman amplification[J]., 2012, 20(9): 10353–10358.

[6] Khan F N, Zhong K P, Zhou X,. Joint OSNR monitoring and modulation format identification in digital coherent receivers using deep neural networks[J]., 2017, 25(15): 17767–17776.

[7] Zhang L, Zhang X G, Xi L X,. Modified optical-signal-noise-ratio monitoring method based on high order statistical moment in PM-QPSK coherent optical system[J]., 2014, 41(5): 0505004.

张磊, 张晓光, 席丽霞, 等. PM-QPSK相干光通信系统中基于高阶统计矩的光信噪比监测方法的修正[J]. 中国激光, 2014, 41(5): 0505004.

[8] Schmogrow R, Nebendahl B, Winter M,. Error vector magnitude as a performance measure for advanced modulation formats[J]., 2012, 24(1): 61–63.

[9] Lundberg L, Sunnerud H, Johannisson P. In-band OSNR monitoring of PM-QPSK using the Stokes parameters[C]//, Los Angeles, 2015.

[10] Dong Z H, Lau A P T, Lu C. OSNR monitoring for QPSK and 16-QAM systems in presence of fiber nonlinearities for digital coherent receivers[J]., 2012, 20(17): 19520–19534.

[11] Hu C J, Li W, Feng Q G,. A novel in-band OSNR monitoring technique based on fractional Fourier transform of LFM signal[J]., 2019, 445: 36–40.

[12] Lee J H, Choi H Y, Shin S K,. A review of the polarization-nulling technique for monitoring optical-signal-to-noise ratio in dynamic WDM networks[J]., 2006, 24(11): 4162–4171.

[13] Tao Z N, Chen Z Y, Fu L B,. Monitoring of OSNR by using a Mach–Zehnder interferometer[J]., 2001, 30(1): 63–65.

[14] Shen S K, Yang A Y, Sun Y N. Improved off-center narrow filter method to monitor in-band optical signal-to-noise ratio[J]., 2009, 29(S2): 74–78.

沈世奎, 杨爱英, 孙雨南. 窄带离心滤波准确测量带内光信噪比的修正方法[J]. 光学学报, 2009, 29(S2): 74–78.

[15] Hu C J, Li W, Zheng H,. A novel cost-effective and distributed in-band OSNR monitoring method using Gaussian process regression[J]., 2019, 11(4): 7204312.

[16] Oda S, Yang J Y, Akasaka Y,. In-band OSNR monitor using an optical bandpass filter and optical power measurements for superchannel signals[C]//(), London, 2013.

[17] Dong Z H, Zhong K P, Zhou X,. Modulation-format-independent OSNR monitoring insensitive to cascaded filtering effects by low-cost coherent receptions and RF power measurements[J]., 2015, 23(12): 15971–15982.

[18] Yin G, Cui S, Ke C J,. Reference optical spectrum based in-band OSNR monitoring method for EDFA amplified multispan optical fiber transmission system with cascaded filtering effect[J]., 2018, 10(3): 7201910.

[19] Lai J S, Yang A Y, Sun Y N. Optical fiber communication performance monitoring based on asynchronous delay tap sampling[J]., 2012, 32(11): 1106004.

赖俊森, 杨爱英, 孙雨南. 基于异步延迟采样的光通信性能监测方法[J]. 光学学报, 2012, 32(11): 1106004.

[20] Meng F, Yan S, Nikolovgenis K,. Field trial of Gaussian process learning of function-agnostic channel performance under uncertainty[C]//(), San Diego, 2018.

A novel optical signal-to-noise ratio monitoring technique based on Gaussian process regression

Yan Ran1,2, Hu Chunjie3,Li Wei3*

1Wuhan Zhongyuan Electronics, Wuhan, Hubei 430205, China;2School of Software Engineering, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China;3Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology Wuhan, Hubei 430074, China

The signal optical spectrum after scanning the center wavelength of the tunable OBPF. The solid black lines represent the signal optical spectrum; the dashed green lines represent the filter shape of the tunable OBPF

Overview:The optical performance monitoring (OPM) refers to monitoring various performance parameters of optical signals at intermediate nodes or receiver terminal nodes of the optical fiber communication system in order to reduce network operating costs, ensure full utilization of resources, and guarantee reliable operation and flexible management of the system. The amplified spontaneous emission (ASE) noise introduced by optical amplifiers is the main noise source in the optical fiber communication system. Thus, the optical signal-to-noise ratio (OSNR) parameter used to measure the ASE noise accumulation can accurately reflect the quality of the optical signal, which is one of the most important parameters in OPM. Therefore, accurate monitoring of OSNR is an essential part of optical fiber communication systems. However, with the improvement of the channel capacity and transmission rate of the optical fiber communication system and the evolution of the optical network to the dynamiclly reconfigurable direction, the traditional out-of-band OSNR monitoring technique based on linear interpolation is facing the problem of failure. Thereupon, the in-band OSNR monitoring technique has received more and more attention. We propose a novel GPR-based in-band OSNR monitoring technique suitable for intermediate nodes. Firstly, the technology changes the center wavelength of the broadband tunable optical bandpass filter (OBPF) in a constant step size, so as to realize the sweep filtering of the whole C-band. Then, the optical power sequence collected from the center wavelength of the broadband tunable OBPF in the midpoint range of the channel to be monitored, and the adjacent channel is taken as the input features of the GPR model. Finally, the in-band OSNR monitoring is realized by utilizing the trained GPR model. By constructing a 9×32 Gbaud PDM-16QAM coherent optical communication system, a comprehensive experiment was conducted to verify the effectiveness and feasibility of our proposed technique. The experimental results show that in a 9×32 Gbaud PDM-16QAM system with 50 GHz channel spacing, the root means squared error and the mean absolute error are below 0.43 dB and 0.3 dB in the OSNR range of -1 dB to 30 dB, respectively. Even better, our proposed technique has the following advantages: higher monitoring accuracy; wider monitoring range; strong robustness to chromatic dispersion, polarization mode dispersion, nonlinear effect, and cascade filtering effect; no prior knowledge of link configuration required; low cost; distributed monitoring. Therefore, our proposed technique can realize OSNR monitoring at any node which is suitable for dynamically reconfigurable high-speed dense wavelength division multiplexing (DWDM) optical fiber communication systems and has huge development prospects and wide practical application potential.

Yan R, Hu C J,Li WA novel optical signal-to-noise ratio monitoring technique based on Gaussian process regression[J]., 2021, 48(1): 200077; DOI:10.12086/oee.2021.200077

A novel optical signal-to-noise ratio monitoring technique based on Gaussian process regression

Yan Ran1,2, Hu Chunjie3,Li Wei3*

1Wuhan Zhongyuan Electronics, Wuhan, Hubei 430205, China;2School of Software Engineering, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China;3Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China

Wepropose and experimentally demonstrate a novel in-band optical signal-to-noise ratio (OSNR) monitoring technique that uses a commercially available widely tunable optical bandpass filter to sample the measured optical power as input features of Gaussian process regression (GPR) can accurately estimate the large dynamic range OSNR and is not affected by the configuration of the optical link, and has the characteristics of distributed and low cost. Experimental results for 32 Gbaud PDM-16QAM signals demonstrate OSNR monitoring with the root mean squared error (RMSE) of 0.429 dB and the mean absolute error (MAE) of 0.294 dB within a large OSNR range of -1 dB~30 dB. Moreover, our proposed technique is proved to be insensitive to chromatic dispersion, polarization mode dispersion, nonlinear effect, and cascaded filtering effect (CFE). Furthermore, our proposed technique has the potential to be employed for link monitoring at the intermediation nodes without knowing the transmission information and is more convenient to operate because no calibration is required.

optical link monitoring; optical performance monitoring; optical signal to noise ratio; Gaussian process regression; coherent optical communication

TN929.11

A

10.12086/oee.2021.200077

National Key Research and Development Program of China (2018YFB2200900)

* E-mail: weilee@hust.edu.cn

鄢然，胡春杰，李蔚. 一种基于高斯过程回归的光信噪比监测技术[J]. 光电工程，2021，48(1): 200077

Yan R, Hu C J,Li WA novel optical signal-to-noise ratio monitoring technique based on Gaussian process regression[J]., 2021, 48(1): 200077

2020-03-11；

2020-06-15

国家重点研发计划项目(2018YFB2200900)

鄢然(1994-)，女，硕士研究生，主要从事计算机网络方面的研究。E-mail：811086789@qq.com

李蔚(1968-)，女，教授，博士生导师，主要从事光纤通信技术方面的研究。E-mail：weilee@hust.edu.cn