基于机器学习的光光纤非线性缓解检测技术
信号处理
2019-03-12 v2 机器学习
摘要
我们研究了在色散管理与无色散管理系统中，一种称为Parzen窗的机器学习分类技术用于缓解光纤非线性的性能。该技术在接收端应用于检测，并通过设计改进的判决边界来处理非高斯非线性效应。我们还提出了一种针对无色散管理系统的两阶段缓解技术，使用数字反向传播与Parzen窗。在此情况下，数字反向传播补偿确定性非线性，而Parzen窗处理随机非线性信号-噪声相互作用，这是数字反向传播所未考虑的。观察到在Q因子方面最高达0.4 dB的性能提升。
引用
@article{arxiv.1903.01549,
title = {A Machine Learning-Based Detection Technique for Optical Fiber Nonlinearity Mitigation},
author = {Abdelkerim Amari and Xiang Lin and Octavia A. Dobre and Ramachandran Venkatesan and Alex Alvarado},
journal= {arXiv preprint arXiv:1903.01549},
year = {2019}
}
备注
Accepted for publication in IEEE Photonics Technology Letters