构建EDFA数字孪生：一种灰箱建模方法
信号处理
2023-10-18 v1
摘要
为实现智能与自动驾驶光网络，需要高精度的物理层模型。非常数泵浦掺铒光纤放大器（EDFA）的动态波长相关增益效应在建模方面仍是一个关键问题，因为它决定了光信噪比以及光纤非线性的量级。黑箱数据驱动模型已被广泛研究，但其需要大量训练数据且泛化性差。本文推导出EDFA增益谱为一个简单的单变量线性函数，并基于此提出一种灰箱EDFA增益建模方案。实验结果表明，对于自动增益控制（AGC）和自动功率控制（APC）型EDFA，仅用8个数据样本构建的模型性能优于用900个数据样本构建的神经网络（NN）模型，这意味着建模所需数据量可减少至少两个数量级。此外，由于该模型基于EDFA的底层物理机理，在实验中展现出对未知场景的优越泛化能力。结果表明，为光网络中每个EDFA构建定制化数字孪生成为可能，这对于下一代多波段网络运维尤为关键。
引用
@article{arxiv.2307.06862,
title = {Building a digital twin of EDFA: a grey-box modeling approach},
author = {Yichen Liu and Xiaomin Liu and Yihao Zhang and Meng Cai and Mengfan Fu and Xueying Zhong and Lilin Yi and Weisheng Hu and Qunbi Zhuge},
journal= {arXiv preprint arXiv:2307.06862},
year = {2023}
}