基于模型-数据混合驱动方案的长距离多信道光纤传输快速精确波形建模
信号处理
2022-05-17 v3 机器学习
摘要
光纤中光波传播的建模是一项快速精确求解非线性薛定谔方程（NLSE）的任务，并可支持光系统设计、数字信号处理验证和快速波形计算。全时全频信息的传统波形建模方法是分步傅里叶法（SSFM），在长距离波分复用（WDM）光纤通信系统中长期以来被认为具有挑战性，因为它极其耗时。本文提出一种线性-非线性特征解耦分布式（FDD）波形建模方案来建模长距离 WDM 光纤信道，其中信道线性效应由 NLSE 导出的模型驱动方法建模，非线性效应由数据驱动的深度学习方法来建模。同时，所提方案仅聚焦于单跨光纤距离拟合，然后递归传输该模型以达到所需传输距离。所提出的建模方案被证明对于不同光发射功率、调制格式、信道数和传输距离具有高精度、高计算速度和鲁棒泛化能力。对于 41 信道 1040 公里光纤传输，FDD 波形建模方案的总运行时间仅为 3 分钟，而每种输入条件下使用 SSFM 超过 2 小时，实现了 98% 的计算时间缩减。考虑到通过调整系统参数进行的多轮优化，复杂度降低是显著的。该结果代表了非线性光纤建模的显著进步，并为类 NLSE 偏微分方程和光纤物理问题的求解开辟了新视角。
引用
@article{arxiv.2201.05502,
title = {Fast and accurate waveform modeling of long-haul multi-channel optical fiber transmission using a hybrid model-data driven scheme},
author = {Hang Yang and Zekun Niu and Haochen Zhao and Shilin Xiao and Weisheng Hu and Lilin Yi},
journal= {arXiv preprint arXiv:2201.05502},
year = {2022}
}
备注
8 pages, 5 figures, 1 table, 30 references