相位噪声相干光链路中的端到端深度学习
信号处理
2025-06-24 v1
摘要
在相干光正交频分复用（CO-OFDM）光纤通信中，本文提出了一种用于缓解激光相位噪声（LPN）损伤的新型端到端学习框架。受自编码器（AE）原理启发，所提出的方法训练模型学习能够对抗 LPN 的鲁棒符号序列，即使使用线宽高达 2 MHz 的低成本分布式反馈（DFB）激光器也是如此。这使得能够使用高级调制格式和大规模快速傅里叶变换（FFT）处理，从而最大化 CO-OFDM 系统中的频谱效率。通过消除对复杂传统技术的需求，该方法为 CO-OFDM 系统提供了一种潜在更高效、更精简的解决方案。本研究最显著的成就是证明了所提出的基于 AE 的模型即使在严重相位噪声条件下，也能通过将误码率（BER）降至前向纠错（FEC）阈值以下来提升系统性能，从而证明了其在实际部署场景中的有效性与高效性。
引用
@article{arxiv.2502.21209,
title = {End-to-End Deep Learning in Phase Noisy Coherent Optical Link},
author = {Omar Alnaseri and Yassine Himeur},
journal= {arXiv preprint arXiv:2502.21209},
year = {2025}
}