基于多层神经网络在供电功率约束下的缆线容量最大化
信号处理
2020-08-26 v1
摘要
我们在大规模并行海底缆线背景下（即空间非耦合系统，其中光纤克尔非线性并非主要限制）通过实验解决了总供电功率约束下的容量最大化问题。利用由12跨段744公里光纤链路获取的大量测量数据训练的多层神经网络作为真实光学系统的精确数字孪生，我们基于梯度下降算法针对发射信号频谱功率分布实验性地最大化了光纤容量。通过观察在几乎任意初始条件下收敛到近似相同的最大容量和功率分布，我们猜想容量曲面是发射信号功率分布的凹函数。随后我们证明，与包含增益平坦滤波器（GFFs）的传统系统相比，从光放大器中移除GFFs可带来每瓦特供电功率的实质性容量增益。
引用
@article{arxiv.2002.09297,
title = {Supply-Power-Constrained Cable Capacity Maximization Using Multi-Layer Neural Networks},
author = {Junho Cho and Sethumadhavan Chandrasekhar and Erixhen Sula and Samuel Olsson and Ellsworth Burrows and Greg Raybon and Roland Ryf and Nicolas Fontaine and Jean-Christophe Antona and Steve Grubb and Peter Winzer and Andrew Chraplyvy},
journal= {arXiv preprint arXiv:2002.09297},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1910.02050