近年来，随着光通信行业的发展，现有的光通信网络，包括城域网、接入网、数据中心光互连等，都呈现出快速发展的趋势，光通信网络架构日趋完善。同时，光通信这一领域已发展到较为成熟的阶段，除了在现有基础上继续深挖之外，一些新的光通信业务和应用场景逐步进入人们的视野。光通信领域的发展也逐步向这些新的应用场景倾斜，对当下的光通信网络进行补全和扩展，例如卫星通信网络、电力通信网络、海洋通信网络等。“海陆空天一体化”的立体光通信网络架构越来越多地被人们提及。光通信网络正逐渐从点到点、端到端的模式向多元化、多样化、多模态发展。
1光纤通信的结构
光纤通信可以实现信号在传播媒介中的全反射，能够减少信号源的信息失真率，提高信息接收端的正确性和原信号的质量。光信号发送器主要由光源器件发光二极管(LED)及其调制、驱动电路组成，它的作用是将待输的电信号经电光转换器件转换为光信号;光纤的作用是将发送端光信号以尽量小的衰减和失真传送到光信号接收端;光信号接收器主要由半导体光电二极管(SPD)、I—V变换及功放电路组成，主要作用是将光信号经光电转换器件还原为相应的电信号。光纤通信技术就是通过光学纤维传输信息的通信技术，光纤通信演示实验仪的制备及应用的通信技术。发射端发出的光信号通过光纤传输到远方的接收端，经光电二极管等转换解调后恢复原信息，从而实现信号的光电转换。
2粒子群算法
在传统算法的基础上，可以采用协同进化算法提升全局收敛效率。通过将整个群体分成多个子群体，各子群体内都有独立个体的解。局部搜索全部子群体发现最佳个体迁移，以此完成共享信息进化。粒子群划分为多个子群体，根据协同进化算法的划分方法，提出基于专业化分工的策略，提高粒子群的群体适应环境能力。专业化分工的策略：设定ｍ个粒子构成粒子群，将粒子群分为开采者（Ｑ１）子群体、开采者（Ｑ２）子群体、探索者（Ｑ３）子群体。当惯性权重为０.３时，构成Ｑ１子群体，此时子群的收敛迭代进行速度最快，具体为
（1）
通过“社会模型”构成Ｑ２子群，收缩因子为０时，即ｃ＝０，当惯性权重为０.７时，Ｑ２子群开始配合Ｑ１进行迭代。此时，Ｑ２子群进行收敛的最佳时机，具体为
（2）
当惯性权重为０.９时，形成探索者Ｑ３子群。此时，Ｑ３通过全局搜索能力进行迭代，三者同时进行，运行效率最高的时候，具体为
（3）
专业化分工的策略流程：将群体分成几个子群体，对子群体实施专业化社会分工，采用“社会”加速常数ａ２和全局最佳位置，实现子群体间的粒子信息交换。开采者Ｑ２子群体实施全局搜索，在个体与全局最佳位置的小范围里搜索，发现新的最佳位置并收敛到这个最佳位置，实现子群体Ｑ２分工。开采者Ｑ１子群体实施局部快速搜索，在个体与全局最佳位置的小范围里搜索，同时快速收敛实现子群体Ｑ１分工。探索者Ｑ３子群体实施全局搜索，大范围搜索个体与全局最佳位置，发现新的最佳位置，使子群体Ｑ１和子群体Ｑ２移动至新的最佳位置实现子群体Ｑ３分工。为了提升粒子群的寻优效率，采用专业化分工的改进策略实施群体划分，各子群体专业分工协作完成寻优。
3基于POF光纤的TTL电平串行通信
TTL电平在电缆通信中因电磁干扰导致在电缆上无法进行长距离传播，且信号衰减也很严重，TTL电平为逻辑电平而设计，基本用于板级通信。在上面的电平描述中，提到了无意义的电平，事实上在数据的接收中，如果接收到一个无意义的电平，这时候的逻辑输出是不确定的，有可能是正确的，也有可能是错误的。在串行数据中还要个流控，比如当接收端数据量大导致处理不过来时，可以发出“暂停接收”的信号，发送端收到信号便会停止发送，等接收端数据处理完毕之后发出“开始接收”的信号后继续数据的发送。本研究中光纤通信采用的是单工通信，所以在收发模块选材方面选择了单发单收模块，在上位机通信测试上，上位机直接连接模块中的ＲXD端口即可接收来自单发模块中所发送的数据。数据传输速率，又称比特率，指每秒钟实际传输的比特数，是信息传输速率(传信率)的度量。单位为“比特每秒(b/s)”。其计算公式为公式(4)。t为传输1位数据所花的时间。
（4）
4人工智能技术的光通信传感器自动控制流程
光通信传感器自动控制的输出向量与输入向量分别用ｙ（ｔ）、ｒ（ｔ）描述。因为光通信传感器自动控制的输出向量与输入向量间存在误差，误差用ｂ（ｔ）＝ｙ（ｔ）－ｒ（ｔ）描述。采用人工智能技术中的粒子群优化算法实施光通信传感器自动控制，增强光通信传感器自动控制精度。基于人工智能技术的光通信传感器自动控制流程，如图１所示。
通过图１可知，基于人工智能技术的光通信传感器自动控制流程如下。
ｓｔｅｐ１采用改进粒子群优化算法设计光通信传感器自动控制的传递函数，传递函数用式（5）描述：
（5）
ｓｔｅｐ２设置光通信传感器自动控制的参数范围。
ｓｔｅｐ３将相关参数实施初始化，光通信传感器自动控制的参数用１个粒子描述。
ｓｔｅｐ４计算出光通信传感器自动控制的期望输出与实际输出值间的误差ｂ（ｔ）。
ｓｔｅｐ５按照误差ｂ（ｔ）调整光通信传感器自动控制的参数。
ｓｔｅｐ６为了增加迭代次数，需要更新操作粒子状态。
ｓｔｅｐ７种群和粒子的最优状态是按照目标函数值实施更新操作。
目标函数，用式（6）描述：
（6）
ｓｔｅｐ８若迭代次数大于改进粒子群优化算法设置的最大迭代次数，则结束运行。
ｓｔｅｐ９按照最优控制参数实施光通信传感器自动控制。
5光通信网络安全预警指标数据的预处理
在采集光通信网络安全预警指标数据时，易受到许多因素影响，如空气、设备精度等。且采集到的光通信网络安全预警指标数据在传输过程中可能会受到其它因素的干扰，导致数据丢失的情况产生。此时得到的数据具有非线性变化特征，因此，需要对原始光通信网络安全预警指标数据进行预处理，以改善数据质量。具体处理方式如下：（１）由于采集条件的影响，对光通信网络安全预警数据带来不利影响，产生一些异常的光通信网络安全数据，对这些异常数据进行剔除，以保证光通信网络安全数据质量。（２）在光通信网络系统运行过程中，一些设备状态可能会发生改变，如出现故障，会丢失一些数据，影响光通信网络安全预警精度，为此采用平均值方法对丢失数据进行补充。
结束语
与传统通信系统相比，采用可见光通信，可以发挥其抗干扰能力强、传输速率高、保密性强等优势，实现了通信感知一体化，使得系统高度集成，体积更小。将其应用在音频双工通信、光学，对于未来6G通信具有重要的意义。
参考文献
[1]秦浩然.水下无线光通信传感器网络路由算法研究[D].江苏科技大学,2019
[2]秦浩然,解志斌,翁智辉.水下无线光通信传感器网络路由算法的研究[J].激光与光电子学进展,2019
[3]江雷雷.基于LED阵列的图像传感器可见光通信研究[D].华北电力大学(北京),2018
[4]谭振坤,柯熙政.无波前传感器的自适应光学在光通信领域中的发展趋势[C]//.2018
[5]阳威.光通信粗瞄系统传感器自适应信号处理研究[D].哈尔滨工业大学,2018