1.用于低带宽高速光通信的最大化方差数据选择与SVM均衡方法，其特征在于，包括如下步骤：

步骤1：在传输的数字信号数据头中插入设定量的训练序列，经过高速NRZ调制生成电NRZ信号，将电NRZ信号经过光调制器转换成光NRZ信号；

步骤2：信号经过光纤，传输至接收端，接收端将收到的光NRZ信号转化为电NRZ信号；

步骤3：对电NRZ信号采样，然后经过时间同步；

步骤4：对时间同步过后的数据提取训练序列；

步骤5：用最大化方差的方法提取每一段每个码元采样点中的最佳判别采样点；并为每个训练序列构建特征向量；

步骤6：利用训练序列的特征向量，采用SVM算法训练最优分类超平面；

步骤7：对每个新的未知的码元构建特征向量；

步骤8：利用最优分类超平面，对NRZ电信号进行分类；

所述步骤5还包括如下步骤：

步骤51：提取出来的采样数据，依次输入到若干个抽头延时器中，组成每个码元对应的采样点，依次保存训练序列组成的采样点，直到训练序列输入完毕；

所述采样数据为步骤4中提取的训练序列；

步骤52：接收机的训练序列发生器重新生成原始训练序列，与训练序列一一对应，作为方差最大化最佳判别采样点提取的输入；

步骤53：方差最大化最佳判别采样点提取算法根据输入，提取每个码元的最佳判别采样点；

所述步骤6还包括如下步骤：

步骤61：基于方差最大化最佳判别采样点提取后的数据，对当前码元组建特征向量，包括当前及前后若干个码元最佳判别采样点；

步骤62：用SMO算法计算最优分类超平面。

2.根据权利要求1所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡方法，其特征在于，步骤1：所述训练序列是由训练序列发生器生成的一种(0，1)伪随机序列，接收机采用与发送机相同规则的训练序列发生器即可产生相同的伪随机序列；数字信号一起经过高速率NRZ调制模块，生成电NRZ信号；将电NRZ信号连接至光调制器，从而生成包含训练序列的NRZ光信号。

3.根据权利要求2所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡方法，其特征在于，所述的光调制器选自：马赫曾德尔调制器与连续波激光器或电子吸收调制激光器。

4.根据权利要求1所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡方法，其特征在于，步骤2，利用光电探测器将接收的光NRZ信号转化为电NRZ信号。

5.根据权利要求1所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡方法，其特征在于，步骤3：采样过程中，采样速率应高于数据速率，且为数据速率的整数倍。

6.根据权利要求1所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡方法，其特征在于，步骤5，特征向量包括前N个码元的最佳判别采样点，后M个码元的最佳判别采样点。

7.用于低带宽高速光通信的最大化方差数据选择与SVM均衡系统，其特征在于，包括光NRZ信号发射模块、接收模块以及光纤，所述光NRZ信号发射模块将包含训练序列的光NRZ信号通过光纤发送至接收模块，由所述接收模块将光信号转化为电信号，并提取出包含的训练序列以及构建每个码元的特征向量，获取由训练序列计算的最优超平面以及判决得到的信息数据；

所述的接收模块包括：光电探测器、采样模块、时间同步模块、方差最大化最佳判别采样点提取模块、训练序列提取模块、最优超平面计算模块、判决模块、解调制模块、0,1数据输出单元；

其中，光电探测器将接收到的电信号经过采样模块、时间同步模块、方差最大化最佳判别采样点提取模块、训练序列提取模块后的输出信号进入最优超平面计算模块，得到最优超平面；所述判决模块接收最优超平面以及信息序列，计算每个码元对应的特征矩阵到超平面的距离并判决，实现对接收数字信号的补偿；补偿后的数字信号通过解调制模块、0,1数据输出单元后输出；

所述方差最大化最佳判别采样点提取模块，用于用最大化方差的方法提取每一段每个码元采样点中的最佳判别采样点；并为每个训练序列构建特征向量；

所述最优超平面计算模块，用于利用训练序列的特征向量，采用SVM算法训练最优分类超平面。

8.根据权利要求7所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡系统，其特征在于，所述光NRZ信号发射模块包括：由连续波激光器与低带宽调制器组成的光调制模块、电NRZ信号生成模块；电NRZ信号生成模块的输出端连接至光调制模块。

9.根据权利要求8所述的用于低带宽高速光通信的最大化方差数据选择与SVM均衡系统，其特征在于，所述的电NRZ信号生成模块包括：数字信号模块、训练序列发生器、训练序列插入模块、高速率NRZ调制模块、低通滤波器；所述数字信号模块连接训练序列插入模块，训练序列插入模块在数据信号头中插入由训练序列发生器所产生的训练序列，所述训练序列插入模块的输出端与高速率NRZ调制模块相连，并通过低通滤波器，最终产生高速率NRZ信号。