基于CRNN的方法降低双偏振光纤通信中Bi-RNN非线性补偿的计算复杂度
信号处理
2022-07-26 v1
摘要
双向循环神经网络（bi-RNN），特别是双向长短期记忆（bi-LSTM）、双向门控循环单元和卷积双向LSTM模型，近年来因在光纤通信中补偿非线性而受到关注。然而，基于这些模型的最新方法计算复杂度高，可能阻碍其实时运行。本文通过分析这些方法中的复杂度来源，提出了一种更高效的网络架构，其中卷积神经网络编码器和单向多对一vanilla RNN协同工作，各自最佳地捕获一类信道损伤并弥补另一方的不足。我们在两种不同接收机配置中部署该模型。其一，神经网络置于线性均衡链之后，仅负责非线性补偿；其二，神经网络直接置于色散补偿之后，负责联合非线性与偏振模色散补偿。对于14×80 km标准单模光纤上的16-QAM 64 GBd双偏振光传输，我们证明所提出的混合模型在两种接收机配置下均以低50%以上的复杂度达到了基于bi-RNN的先进方法的误码率。
引用
@article{arxiv.2207.12154,
title = {Complexity Reduction over Bi-RNN-Based Nonlinearity Mitigation in Dual-Pol Fiber-Optic Communications via a CRNN-Based Approach},
author = {Abtin Shahkarami and Mansoor Yousefi and Yves Jaouen},
journal= {arXiv preprint arXiv:2207.12154},
year = {2022}
}