基于光学 OFDM 网络中应用机器学习技术的综述
机器学习
2021-05-10 v1 信号处理
摘要
在本综述中，我们分析用于基于光学正交频分复用（O-OFDM）的光通信的最新机器学习（ML）技术。ML 被提出用于缓解信道与收发机缺陷。例如，ML 可在低调制消光比下改善信号质量，或能应对确定性与随机性诱导的非线性效应（如长距离传输中的参量噪声放大）。所提出的用于 O-OFDM 的 ML 算法尤其可应对子载波间非线性效应，如四波混频与交叉相位调制。本质上，这些 ML 技术可有益于任何多载波方案（例如滤波器组调制）。我们从 O-OFDM 传输性能与计算复杂度两方面分析有监督与无监督 ML 技术，以评估其实时实现的潜力。我们指出了 ML 算法应执行分类、回归或聚类的严格条件。本综述还讨论了开放研究问题及朝向 ML 实现的未来方向。
引用
@article{arxiv.2105.03289,
title = {A Survey of Applied Machine Learning Techniques for Optical OFDM based Networks},
author = {Hichem Mrabet and Elias Giaccoumidis and Iyad Dayoub},
journal= {arXiv preprint arXiv:2105.03289},
year = {2021}
}
备注
26 pages, 4 figures and 4 tables