用于长距离相干传输系统的 Co-GRU 增强端到端设计
信号处理
2023-05-30 v3
摘要
近年来，基于深度学习（DL）的端到端（E2E）方案被提出作为联合优化光通信系统编码器与解码器参数的潜在方案。相较于 E2E 设计中采用的传统深度神经网络（DNN），中心导向门控循环单元（Co-GRU）网络能够在满足梯度反向传播（BP）条件的同时，以低计算成本学习并补偿码间干扰（ISI）。本文中，Co-GRU 结构被用于长距离相干波分复用（WDM）传输系统 E2E 设计中的信道建模与解码器实现，可提升广义互信息（GMI）与 Q2 因子性能。对于采用基于 Co-GRU 解码器的 E2E 系统，在 960km 标准单模光纤（SSMF）上传输的 5 信道双偏振相干系统中，相较传统 QAM 系统，GMI 与 Q2 因子的增益分别提升 0.2 bits/sym 与 0.48dB。本工作为进一步研究 Co-GRU 结构在 E2E 设计中数据驱动信道建模与解码器性能提升的应用铺平了道路。
引用
@article{arxiv.2304.11509,
title = {Co-GRU Enhanced End-to-End Design for Long-haul Coherent Transmission Systems},
author = {Jiayu Zheng and Tianhong Zhang and Yu Wenjing and Weiqin Zhou and Chuanchuan Yang and Fan Zhang},
journal= {arXiv preprint arXiv:2304.11509},
year = {2023}
}