用于光通信中信号恢复的光子机器学习实现
信号处理
2018-04-11 v4
摘要
机器学习技术已被证明在各类分类任务中非常高效。然而，处理时变高速信号可能成为一项极具挑战性的任务，尤其是当这些信号受到非线性失真时。最近，利用非线性瞬态响应的模拟硬件概念在快速信息处理方面引起了极大兴趣。在此，我们引入了一种简化的光子储备计算方案，用于对长距离光纤传输后严重失真的光通信信号进行数据分类。为此，我们将直接比特检测过程转化为模式识别问题。使用我们光子储备计算机的实验实现，我们证明了与直接分类传输信号相比，误码率改善了两个数量级。这一改善相当于将通信距离延长了 75% 以上。虽然我们尚未达到电信速率下的完全实时后处理，但我们讨论了未来的设计如何可能弥补这一差距。
引用
@article{arxiv.1710.01107,
title = {Photonic machine learning implementation for signal recovery in optical communications},
author = {Apostolos Argyris and Julián Bueno and Ingo Fischer},
journal= {arXiv preprint arXiv:1710.01107},
year = {2018}
}