基于卷积神经网络在频率与距离域的拉曼放大器逆向设计
信号处理
2021-03-08 v1 图像与视频处理
应用物理
光学
摘要
我们提出了一种用于拉曼放大器逆向设计的卷积神经网络（CNN）架构。该模型旨在寻找沿光纤距离和频率上实现目标信号功率演化所需的泵浦功率和波长。使用所提出的框架，在C波段考虑反向传播和双向泵浦方案，以高准确度数值演示了实现目标功率分布所需泵浦配置的预测。对于基于100 km单模光纤的分布式拉曼放大器，采用2个和3个反向传播泵浦以及4个双向传播泵浦分别数值获得了最大测试误差较低的均值集（0.51、0.54和0.64 dB）和标准差集（0.62、0.43和0.38 dB）。
引用
@article{arxiv.2103.03837,
title = {Inverse design of Raman amplifier in frequency and distance domain using Convolutional Neural Networks},
author = {Mehran Soltani and Francesco Da Ros and Andrea Carena and Darko Zibar},
journal= {arXiv preprint arXiv:2103.03837},
year = {2021}
}
备注
4 pages, 4 figures