Meta-DSP：高速光纤系统中数据驱动非线性补偿的元学习方法
信号处理
2025-06-11 v2
摘要
高速光纤系统中的非线性效应从根本上限制了信道容量。虽然带有自适应滤波器的传统数字反向传播（DBP）可应对这些效应，但其计算复杂度仍不实用。Filtered DBP（FDBP）等数据驱动方案降低了复杂度，但严重缺乏固有的泛化能力：其非线性补偿能力无法在新传输速率或 WDM 信道数下自然扩展，必须基于新采集数据重新训练。我们提出 Meta-DSP，一种结合以下两者的新型信号处理流水线：(1) Meta-DBP，一种基于元学习的 DBP 模型，可在不同传输参数间泛化而无需重训练；(2) XPM-ADF，一种精心设计的自适应滤波器，用于解决多信道非线性失真。该系统展现出强泛化能力，从 40 Gbaud 单信道数据学习并成功将该知识应用于更高速率（80/160 Gbaud）和多信道配置（最多 21 信道）。实验结果表明，在严峻场景下 Meta-DSP 相较 CDC 提升 Q 因子 0.55 dB，同时相较 DBP 降低计算复杂度 10。本工作为动态光网络中的非线性补偿提供了一种可扩展方案，在性能与实际计算约束间取得平衡。
引用
@article{arxiv.2311.10416,
title = {Meta-DSP: A Meta-Learning Approach for Data-Driven Nonlinear Compensation in High-Speed Optical Fiber Systems},
author = {Xinyu Xiao and Zhennan Zhou and Bin Dong and Dingjiong Ma and Li Zhou and Jie Sun},
journal= {arXiv preprint arXiv:2311.10416},
year = {2025}
}