对信道条件不确定性具有鲁棒性的星座形状端到端学习
信号处理
2022-06-08 v2
摘要
厂商互操作性是光网络未来的期望特性之一。这意味着传输系统需要支持具有不同组件的多种硬件,从而在整个网络中产生系统不确定性。例如,由于收发器信号处理算法的参数错误设定,信噪比和激光线宽的不确定性会对光网络内的传输质量产生负面影响。本文中,我们提出利用端到端学习对星座形状进行几何优化,使其对信道条件中的不确定性具有鲁棒性。在优化步骤中,信道模型包含加性噪声和残余相位噪声。在测试步骤中,信道模型由激光相位噪声、加性噪声和作为载波相位恢复算法的盲相位搜索组成。加性噪声考虑两种噪声模型:白高斯噪声和用于光纤非线性的非线性干扰噪声模型。后者更准确地建模了光纤信道的行为,因为它考虑了光纤的非线性效应。对于该模型,信噪比的不确定性可分配在放大器噪声系数和发射功率变化之间。对于两种噪声模型,我们的结果表明,与标准正交幅度调制和标准几何星座整形技术之类的标准星座方案相比,所学到的星座对信道条件的不确定性更具鲁棒性。
引用
@article{arxiv.2111.08302,
title = {End-to-end Learning of a Constellation Shape Robust to Channel Condition Uncertainties},
author = {Ognjen Jovanovic and Metodi P. Yankov and Francesco Da Ros and Darko Zibar},
journal= {arXiv preprint arXiv:2111.08302},
year = {2022}
}