-
题名基于LDBP的色散和光纤非线性损伤补偿
被引量：2
- 1
-
-
作者
陈志轩
蔡炬
张洪波
张敏
蒙建宇
张倩武
-
机构
成都信息工程大学通信工程学院
四川大学
上海大学特种光纤与光接入网省部共建重点实验室
-
出处
《光通信研究》
北大核心
2024年第4期33-37,共5页
-
基金
四川省科技计划资助项目(2021YFG0149)
上海市科委重点实验室资助项目(SKLSFO2019-06)
高等学校学科创新引智计划资助项目(111)(D20031)。
-
文摘
【目的】在长距离光通信系统中,由于克尔非线性、色散和放大自发辐射噪声之间的相互作用,使用传统的数字信号处理(DSP)来补偿光纤非线性损伤十分困难。机器学习算法可以用于在传统DSP的基础上对信号进行进一步处理,以缓解光纤非线性损伤并提高长距离光纤传输系统的性能。【方法】为了更好地补偿光纤传输中色散和非线性损伤,文章将传统的数字反向传播(DBP)算法和深度神经网络(DNN)相结合,将DBP中的线性步长和非线性步长作为一个神经元,即将线性步长看作DNN的权重矩阵,非线性步长看作激活函数,并将DSP作为DNN的静态层,提出了一种基于DNN的自学习DBP(LDBP)算法。【结果】为了验证文章所提算法的可行性,在单通道偏振复用16阶正交幅度调制(QAM)的光传输系统中进行了仿真。综合数值仿真结果表明,与线性均衡相比较,每跨一步的LDBP算法将最佳发射功率从-2 dBm提高至1 dBm。同时,与相同计算复杂度的DBP算法相比,LDBP算法在1200 km的传输距离下,信噪比(SNR)提高了0.82 dB。此外,与线性均衡和相同计算复杂度的DBP算法相比,LDBP算法所对应传输系统的SNR随着传输距离的增加,下降速度更加缓慢,并且该算法可以在无需预知链路参数的情况下工作,具有普适性和鲁棒性。【结论】文章所提LDBP算法与传统DBP算法相比,更加适用于实际的长距离相干光通信系统。
-
关键词
色散补偿
非线性损伤补偿
深度神经网络
自学习数字反向传播
-
Keywords
chromatic dispersion compensation
nonlinear impairment compensation
DNN
LDBP
-
分类号
TN929
[电子电信—通信与信息系统]
-
