基于扰动模型的光通信系统非线性补偿的 CNN 辅助粒子群优化
光学
2024-10-01 v1
摘要
非线性信号失真是限制光通信系统容量和传输距离的主要因素之一。目前存在多种用于补偿非线性失真的方法，但实际实现的算法必须同时准确、快速且对各种干扰具有鲁棒性。一个已建立的方法是应用扰动理论方法来求解非线性 Schrödinger 方程，这使得能够确定传输符号与接收符号之间的关系。在大多数研究中，使用梯度方法来通过最小化符号之间的均方误差来寻找扰动系数。然而， characterize 信息传输质量的主要参数是比特错误率。我们提出了一种对常规扰动方法进行修改的方案，用于光纤非线性补偿，形式为两个阶段的方案来计算扰动系数。在第一个阶段中，使用卷积神经网络通过最小化均方误差来计算系数。在第二个阶段中，将得到的解用作最小化比特错误率的粒子群优化方法的初始近似。在数值实验中，我们使用基于所提方案的非线性补偿算法，实现了 16QAM 20×100 km 链路在 267 Gbit/s 信道速率下的信号信噪比提升 0.8 dB，并证明了与单阶段方案相比精度的提高。我们估算了该算法的计算复杂度，并展示了其复杂度与精度之间的关系。此外，我们发展了一种无需依赖发射端理想符号的方法来学习扰动系数，而是使用硬决策检测后的接收符号。
引用
@article{arxiv.2409.20023,
title = {CNN-Assisted Particle Swarm Optimization of a Perturbation-Based Model for Nonlinearity Compensation in Optical Transmission Systems},
author = {Alexey Redyuk and Evgeny Shevelev and Vitaly Danilko and Mikhail Fedoruk},
journal= {arXiv preprint arXiv:2409.20023},
year = {2024}
}