基于生成对抗网络的快速精确光纤信道建模
信息论
2022-01-19 v2 机器学习
信号处理
math.IT
摘要
本文研究了一种新的数据驱动光纤信道建模方法——生成对抗网络（GAN），用于学习光纤信道传输函数的分布。我们的研究聚焦于衰减、色度色散、自相位调制（SPM）和放大自发辐射（ASE）噪声的联合信道效应。为使GAN成功用于信道建模，我们修改了损失函数、设计了输入的条件向量，并解决了长距离传输中的模式崩溃问题。文中还给出了GAN的有效架构、参数与训练技巧。结果表明，所提方法能够学习到精确的光纤信道传输函数。建模传输距离可达1000 km，且理论上可扩展至任意距离。此外，GAN在不同光发射功率、调制格式和输入信号分布下表现出鲁棒泛化能力。将GAN与分步傅里叶法（SSFM）的复杂度相比，总乘法次数仅为SSFM的2%，在同等软硬件条件下1000 km传输运行时间少于0.1秒，而SSFM需400秒，凸显了光纤信道建模复杂度的显著下降。
引用
@article{arxiv.2002.12648,
title = {Fast and Accurate Optical Fiber Channel Modeling Using Generative Adversarial Network},
author = {Hang Yang and Zekun Niu and Shilin Xiao and Jiafei Fang and Zhiyang Liu and David Faninsin and Lilin Yi},
journal= {arXiv preprint arXiv:2002.12648},
year = {2022}
}