Fiber-induced nonlinearity compensation in coherent optical systems by affinity propagation soft-clustering
由于网络流量需求和关键延迟感知服务（如远程医疗和物联网）的增加，在不牺牲光纤通信中的能耗和复杂性的情况下最大化信号容量的需求非常巨大。在这项工作中，第一个系统不可知和训练数据免费光纤非线性补偿器（NLC）使用亲和传播（AP）聚类实验证明。结果表明，与线性均衡相比，AP通过有效地处理确定性和随机非线性，可以在16正交幅度调制相干光系统中将信号质量因子提高约5dB。AP优于基准聚类算法和复杂的确定性方案，如K均值、模糊逻辑、数字反向传播和基于Volterra的NLC，提供高达4 dB的功率裕度扩展。
2018-12-21 eess.SP
Second-Order Perturbation Theory-Based Digital Predistortion for Fiber Nonlinearity Compensation
基于一阶微扰理论的非线性补偿（PB-NLC）技术已被广泛研究，以克服偏振复用（Pol-Mux）光纤通信系统中信道内克尔非线性的不利影响。然而，FO-PB-NLC技术的NLC性能在Pol-Mux长距离光传输系统的高度非线性区域中受到显著限制。在本文中，我们将FO理论扩展到二阶（SO），以提高NLC的性能。该技术被称为SO-PB-NLC。对Pol-Mux光传输系统的SO微扰场进行了详细的理论分析。在此之后，我们研究了一些简化的假设，以降低实现复杂性的SO-PB-NLC技术。单信道系统的数值仿真结果表明，与FO-PB-NLC技术相比，SO-PB-NLC技术具有更好的误码率性能和更长的传输距离。复杂度分析表明，所提出的SO-PB-NLC技术具有降低的计算复杂度相比，每跨度一步的数字反向传播。
2021-06-27 eess.SP
Perturbation-based FEC-assisted Iterative Nonlinearity Compensation for WDM Systems
对前向纠错（FEC）解码器反馈辅助的扰动非线性补偿方案进行了数值和实验研究。数值模拟和传输实验表明，从FEC解码器的反馈能够提高补偿性能，使接收机操作非常接近完整的数据辅助的性能界限。实验分析分别考虑了具有DP-16 QAM和DP-64 QAM的5 x 32 GBd WDM系统在4200 km和1120 km后的色散未补偿传输。实验结果表明，该方案优于单通道数字反向传播。对前向纠错（FEC）解码器反馈辅助的扰动非线性补偿方案进行了数值和实验研究。数值模拟和传输实验表明，从FEC解码器的反馈能够提高补偿性能，使接收机操作非常接近完整的数据辅助的性能界限。实验分析分别考虑了具有DP-16 QAM和DP-64 QAM的5 x 32 GBd WDM系统在4200 km和1120 km后的色散未补偿传输。实验结果表明，该方案优于单通道数字反向传播。
2018-10-04 eess.SP
Volterra-assisted Optical Phase Conjugation: a Hybrid Optical-Digital Scheme For Fiber Nonlinearity Compensation
光纤非线性的缓解是光通信领域中的一个活跃的研究领域，这是由于所导致的传输性能的显著改善。随着光相干检测技术的兴起，数字非线性补偿（NLC）方案如数字反向传播（DBP）和Volterra均衡等受到了广泛的关注。可替代地，已经提出了光学NLC，特别是光学相位共轭（OPC），以减轻数字信号处理的复杂性。在这项工作中，提出了一种新的混合光学数字NLC方案相结合的OPC和Volterra均衡器，称为Volterra辅助OPC（VAO）。它具有双重优点：它克服了OPC在非对称链路中的限制，并大大提高了Volterra均衡器的性能。所提出的方案优于OPC和Volterra均衡单独高达4.2 dB，在1000公里的EDFA放大的光纤链路。此外，VAO也被证明是非常强大的，当应用到长传输距离，在3000公里的OPC只有系统的2.5 dB的增益。VAO结合了光学和数字NLC的优点，为未来的高速光通信系统提供了性能和复杂性之间的折衷。
2018-10-26 eess.SP
Deep Learning-Aided Perturbation Model-Based Fiber Nonlinearity Compensation
该研究针对长距离光纤通信的非线性补偿问题，重新分析了学习型PB-NLC方法的性能复杂度权衡，提出基于双向循环神经网络的全学习结构，实现了更优的性能-复杂度平衡。
2023-06-15 eess.SP
Experimental Investigation into Split Nonlinearity Compensation in Single and Multi-channel WDM Systems
本研究针对单通道与多通道WDM系统，实验探究分段非线性补偿方案的性能，发现在信号-ASE拍频限制传输的场景下，5540 km传输距离中该方案相较单端DBP可实现超0.4 dB的SNR增益。
2024-07-17 eess.SP physics.optics
Fuzzy Clustering for Low-Complexity Time Domain Chromatic Dispersion Compensation Scheme in Coherent Optical Fiber Communication Systems
针对相干光纤通信中CDC硬件复杂度高的问题，提出两阶段模糊聚类的软判决TD-CDC方案，在1800 km系统中显著降低复杂度并保持最优Q因子。
2025-03-16 eess.SP
Nonlinearity Compensation and Link Margin Analysis of 112-Gbps Circular-Polarization Division Multiplexed Fiber Optic Communication System using a Digital Coherent Receiver over 800-km SSMF Link
非线性效应一直被认为是限制相干光光纤传输系统性能的主要因素。基于DSP的数字反向传播（DBP）方法的CO接收机，近年来促进了光纤非线性损伤的补偿以及光纤色散的补偿。提出了一种基于DSP的圆偏振复用（CPDM）8-正交幅度调制（8-QAM）光纤通信（FOC）系统CO接收机的综合设计方案，以研究非线性的影响。我们已经研究了非线性补偿的DSP为基础的CO接收机的性能与DBP方法，并证明它可以有效地用来减轻信道内的非线性CPDM 8-QAM FOC系统超过800公里的SSMF链路。通过对光纤非线性的有效补偿，分析了系统的误比特率（BER）、光信噪比（OSNR）、最佳发射功率等性能，并通过对特定发射功率下的OSNR裕度进行评估，研究了链路裕度。此外，CPDM技术有助于作为最大化链路容量以及增强FOC系统的频谱效率（SE）的非常合适的手段。
2021-01-08 eess.SP
Revisiting Efficient Multi-Step Nonlinearity Compensation with Machine Learning: An Experimental Demonstration
光纤通信系统中有效的非线性补偿被认为是克服“容量瓶颈”的关键因素。一个指导原则，以前的工作设计的实际非线性补偿方案是，更少的步骤导致更好的系统。在本文中，我们挑战这一假设，并展示了如何仔细设计多步骤的方法，提供更好的性能-复杂性权衡比他们的几步同行。我们考虑最近提出的学习数字反向传播（LDBP）方法，其中分步方法中的线性步骤被重新解释为一般线性函数，类似于深度神经网络中的权重矩阵。我们的主要贡献在于这种方法的25 Gbaud单通道光传输系统的实验演示。它示出了如何LDBP可以被集成到一个相干接收机DSP链，并成功地在各种硬件损伤的存在下训练。我们的研究结果表明，有限的复杂性LDBP可以实现更好的性能比标准DBP通过使用非常短，但联合优化，有限脉冲响应滤波器在每一步。本文还提供了一个概述最近提出的扩展LDBP和我们评论潜在的有趣的途径，为未来的工作。
2020-07-20 eess.SP
Full C-Band WDM Transmission of Nonlinearity-Tolerant Probabilistically Shaped QAM over 2824-km Dispersion-Managed Fiber
通过定制概率星座成形（PCS）的非线性容限，我们实验证明高达1.1 dB的信噪比（SNR）和6.4%的总净数据速率（NDR）增加相比，线性信道优化的PCS在2824公里色散管理波分复用（WDM）光纤链路。
2020-12-09 eess.SP
Characterization of the Link Function in GN and EGN methods for Nonlinearity Assessment of Ultrawideband Coherent Fiber Optic Communication Systems with Raman Effect
在本文中，我们提出了一个准确的和数值有效的方法来实现GN和EGN的非线性预测方法时，沿光纤的功率演化是在一个任意的形式。这种方法将为我们提供一个可靠的工具，有效地使用GN和增强GN（EGN）的方法来分析的非线性的超宽带相干光纤WDM系统（C+L波段甚至更宽的带宽系统）的存在下的信道间受激拉曼散射（ISRS）和系统使用前向泵浦或/和后向泵浦拉曼放大。
2020-10-20 eess.SP
Perturbation Theory-Aided Learned Digital Back-Propagation Scheme for Optical Fiber Nonlinearity Compensation
从非线性薛定谔方程的正则微扰处理出发，提出了一种基于机器学习的光纤通道内非线性抑制方法。被称为扰动理论辅助（PA）学习的数字反向传播（LDBP），该方案以类似于分步傅立叶方法的方式构建深度神经网络（DNN）：线性和非线性操作交替。受扰动分析的启发，通道内交叉相位调制项可以方便地由DNN中的矩阵运算表示。在每个非线性操作中引入该项大大提高了性能，并且通过调整每步的跨度数量来实现PA-LDBP的灵活性。通过对一个单载波光纤通信系统的数值模拟，对所提出的方案进行了评估，该系统工作在32 Gbaud，采用64-正交幅度调制，传输距离为20*80 km。结果表明，当每步跨数分别为1、2、4和10时，所提出的方案在Q2因子方面比线性补偿分别获得了约3.5 dB、1.8 dB、1.4 dB和0.5 dB的性能增益。提出了两种方法来降低PALDBP的复杂度，即，对于每步多跨距的情况，在频域中修剪扰动系数和色散补偿的数量。的性能和复杂性的调查表明，PA-LDBP达到改善的性能增益与降低的复杂性相比，LDBP的情况下，每步4和10跨度。
2021-10-11 eess.SP
Few-bit Quantization of Neural Networks for Nonlinearity Mitigation in a Fiber Transmission Experiment
在16-QAM 9 × 50 km双偏振光纤传输实验中，对神经网络进行了量化，以减小非线性失真和分量失真。在6比特处的训练后加性二次幂量化引起可忽略的Q因子惩罚。在5比特时，模型大小减少了85%，损失为0.8 dB。
2022-05-25 eess.SP
Revisiting Multi-Step Nonlinearity Compensation with Machine Learning
Chalmers University（查尔莫斯大学）；Duke University（杜克大学）；Eindhoven University of Technology（埃因霍温理工大学）
对于光纤非线性的有效补偿，指导原则之一似乎是：步骤越少越好，效率越高。我们挑战这一假设，并表明，精心设计的多步骤的方法可以导致更好的性能复杂性权衡比他们的几步同行。
2019-04-22 cs.AI cs.IT eess.SP
A Real-Time Closed-Form Model for Nonlinearity Modeling in Ultra-Wide-Band Optical Fiber Links Accounting for Inter-channel Stimulated Raman Scattering and Co-Propagating Raman Amplification
本文提出了一种新的闭合模型（CFM），用于精确和快速地评估现代超宽带相干光纤通信系统中的非线性干扰。从高斯噪声模型（GN模型）开始，使用合理的近似和机器学习优化的改进，我们实现了一个精确的CFM，能够处理超宽带（C+L或更宽）光纤系统中存在的通道间受激拉曼散射（ISRS）和前向泵浦拉曼放大。
2020-06-04 eess.SP
Meta-DSP: A Meta-Learning Approach for Data-Driven Nonlinear Compensation in High-Speed Optical Fiber Systems
本文提出Meta-DSP信号处理流程，通过元学习DBP与XPM-ADF实现免重训练的跨速率、跨信道数非线性补偿，并以更低复杂度取得显著性能提升。
2025-06-10 eess.SP
The Impact of Transceiver Noise on Digital Nonlinearity Compensation
分析了在存在放大自发辐射噪声（ASE）和非理想收发器子系统噪声的情况下，数字非线性补偿（NLC）的效率。它对信噪比（SNR）和到达增加的影响进行了研究，特别强调分裂NLC，其中数字反向传播算法在发射机和接收机之间划分。本文提出了一种计算非理想传输系统信噪比的解析模型，该系统具有任意的分裂NLC结构。当信号-信号非线性被补偿时，性能限制来自残余信号-噪声相互作用。这些相互作用包括信号与共同传播的ASE和收发器噪声之间的非线性拍频。虽然收发器噪声信号拍频通常在短传输距离中占主导地位，但ASE噪声信号拍频在较大传输距离中占主导地位。结果表明，这两种制度的行为不同的最佳NLC分裂比和各自的达到增益。此外，简单的公式预测的最佳NLC分裂比和达到增加在这两个政权的报告。据发现，分裂NLC提供相对于传统的数字反向传播（DBP）的增益可以忽略不计的距离小于1000公里，使用标准的单模光纤和收发器（背靠背）的SNR为26 dB，当发射机和接收机注入相同数量的噪声。然而，当发射器和接收器注入不等量的噪声时，通过适当地定制分裂NLC算法，可以在DBP之上达到56%的增益。数值模拟结果证实了理论研究结果。
2017-09-13 eess.SP
Second-Order Nonlinearity Estimated and Compensated Diffusion LMS Algorithm: Theoretical Upper Bound, Cramer-Rao Lower bound, and Convergence Analysis
本文提出一种估计与补偿二阶非线性的扩散LMS算法，推导了误差上界、Cramer-Rao下界及收敛性分析，仿真验证了其在无线传感器网络中提升分布式估计性能的有效性。
2024-03-17 eess.SP
A Spectrally Efficient Linear Polarization Coding Scheme for Fiber Nonlinearity Compensation in CO-OFDM Systems
本文提出了一种结合相位共轭孪生信号（PCTS）技术的线性偏振编码（LPC）方案，简称LPC-PCTS，用于相干光正交频分复用（CO-OFDM）系统中光纤非线性的抑制。LPC线性地组合OFDM符号的相邻子载波上的数据符号，一个在全幅度，另一个在半幅度。然后，在两个正交极化上的两个OFDM符号的相同子载波上将线性编码的数据作为相位共轭对发送。添加到这些副载波的非线性失真基本上是反相关的，因为它们携带数据的相位共轭对。在接收机处，在这些副载波对上接收的信息符号的相干叠加最终导致非线性失真的消除。对采用LPCPCTS技术的单信道200 Gb/s CO-OFDM系统进行了数值仿真。结果表明，2.3 dB和1.7 dB的Q-因子的改善与和没有色散对称性，分别相比，最近提出的相位共轭子载波编码（PCSC）技术，在平均发射功率为3 dBm。此外，我们提出的LPCPCTS技术相比，16正交幅度调制（QAM）与相位共轭双波（PCTW）计划，在相同的频谱效率，为2800公里的未补偿传输距离时，表现出显着的性能改善。
2021-06-27 eess.SP
Intra-Channel Nonlinearity Compensation Based on Second-Order Perturbation Theory
一阶微扰理论被广泛应用于设计数字非线性补偿（NLC）技术来解决相干光通信系统中信道内光纤非线性效应。基于微扰理论的方法的主要优点是在整个光纤链路的单级上实现的可能性和每个符号操作一个样本。在本文中，我们提出了扩展的FO微扰理论为基础的NLC（FO-PB-NLC）技术的二阶（SO），简称为SO-PB-NLC，以提高NLC的性能。我们提出了一个全面的理论分析的SO非线性失真场的推导，这是SO-PB-NLC技术的基础。通过数值模拟，我们表明，所提出的SO-PB-NLC技术显着提高了NLC的性能和最大传输范围相比，FO-PB-NLC技术。然后，SO-PB-NLC技术的性能进行了比较与基准的数字反向传播（DBP）。
2020-05-03 cs.IT eess.SP math.IT
Complexity Reduction over Bi-RNN-Based Nonlinearity Mitigation in Dual-Pol Fiber-Optic Communications via a CRNN-Based Approach
双向递归神经网络（bi-RNN），特别是双向长短期记忆（bi-LSTM），双向门控递归单元和卷积bi-LSTM模型最近引起了人们对光纤通信中非线性缓解的关注。然而，最近采用的方法，这些模型的基础上，招致高的计算复杂性，这可能会妨碍他们的实时功能。在本文中，通过解决这些方法中的复杂性来源，我们提出了一种更有效的网络架构，其中卷积神经网络编码器和单向多对一香草RNN串联操作，每个最佳捕获一组信道损伤，同时补偿另一组的缺点。我们部署在两个不同的接收机配置这个模型。一种是将神经网络置于线性均衡链之后，仅负责非线性缓解;另一种是将神经网络直接置于色散补偿之后，负责联合非线性和偏振模色散补偿。对于通过14 x80 km标准单模光纤的16-QAM 64 GBd双偏振光传输，我们证明了所提出的混合模型在两种接收器配置中实现了最先进的基于双RNN的方法的误码率，并且复杂度降低了50%以上。
2022-07-25 eess.SP
Fiber Nonlinearity Mitigation by Short-Length Probabilistic Constellation Shaping for Pilot-Aided Signaling
概率星座成形（PCS）提供了一个显着的性能改善均匀信令。最近发现，当在非线性光纤信道上传输时，不需要长块来实现最大成形增益，因为短长度PCS有效地减轻了光纤非线性干扰（NLI）。这种行为的原因是，短长度的PCS隐含地在成形的传输序列中引入了一些对光纤信道有益的时间特性。为了实现高阶QAM的鲁棒的数据辅助数字信号处理，通常将周期性四相移键控导频插入到高阶QAM发射序列中。在这项工作中，我们调查在模拟中的影响，这样的导频辅助信令NLI缓解。尽管修改了整形发射序列的时间特性，但发现1/32的导频速率不会改变短长度PCS的有益效果。该发现的操作意义在于，即使利用导频辅助信令，最大整形增益也不需要长PCS块长度。
2020-12-14 eess.SP
Adaptive Turbo Equalization for Nonlinearity Compensation in WDM Systems
本文研究了自适应Turbo均衡非线性补偿（NLC）的性能。提出了一种Turbo均衡方案，其中使用递归最小二乘（RLS）算法作为自适应信道估计器，跟踪与信道间非线性干扰（NLI）模型相关的时变符号间干扰（ISI）系数。估计的信道系数由MIMO 2x2软输入软输出（SISO）线性最小均方误差（LMMSE）均衡器用于补偿时变ISI。SISO LMMSE均衡器和SISO前向纠错（FEC）解码器在每次Turbo迭代中交换外部信息，允许接收器改善信道估计和均衡的性能，实现较低的比特错误率（BER）值。所提出的方案是针对偏振复用的64 QAM和256 QAM进行研究的，尽管它适用于任何适当的调制格式。广泛的数值结果。结果表明，该方案允许高达0.7 dB的额外增益，有效接收的信噪比（SNR）和高达0.2比特/符号/极化广义互信息（GMI），单通道数字反向传播提供的增益之上。
2021-09-05 cs.IT eess.SP math.IT
Silicon photonic-electronic neural network for fibre nonlinearity compensation
在光通信系统中，光纤非线性是提高传输容量的主要障碍。通常，使用数字信号处理技术和硬件来处理光通信信号，但是增加的速度和计算复杂性对这样的方法产生了挑战。使用光子器件的高度并行的超快神经网络有可能通过在模拟域中处理光信号来减轻对数字信号处理电路的要求。本文提出了一种用于海底光纤传动系光纤非线性补偿的硅光电神经网络。我们的方法使用基于波分复用的光子神经网络建立在CMOS兼容的硅光子平台。我们表明，该平台可用于补偿光纤非线性，提高信号质量（Q）因子在10,080公里的海底光纤通信系统。Q因子的改善与在32位图形处理单元辅助工作站上实现的基于软件的神经网络相当。我们的可重构光电集成神经网络有望解决高速智能信号处理的紧迫挑战。
2021-10-11 eess.SP physics.app-ph physics.optics
An Improved Model of Nonlinear Fiber Propagation in the Presence of Kerr Nonlinearity and Stimulated Raman Scattering
超宽带光纤传输同时受到克尔非线性和受激拉曼散射的影响。存在解决克尔非线性和SRS之间相互作用的数学模型。这些模型是基于高斯噪声（GN）和增强型高斯噪声（EGN）模型。在本文中，我们提出了一个调制格式相关的模型，占增强的链路功能，这是有效的非相同的跨度，光纤跨度损耗和SRS增益/损耗不一定由放大器在每个跨度结束补偿。还介绍了一种新的信号功率分布，包括频率相关的光纤衰减。所提出的分析模型考虑了非线性干扰（NLI）的所有条款，包括自信道干扰，跨信道干扰和多信道干扰。它还表明，该模型具有预测的NLI功率具有更高的精度比以前的模型可以。分步傅立叶仿真表明，当SRS和任意调制格式都被考虑时，以前的模型可能不准确地预测NLI功率。对于具有10 Gbaud的1001个通道的10.011 THz系统，该差异可以高达4.3 dB。
2020-12-03 eess.SP
Nonlinearity Compensation in a Multi-DoF Shoulder Sensing Exosuit for Real-Time Teleoperation
Imperial College London（帝国理工学院）；Shanghai Jiao Tong University（上海交通大学）
软可穿戴机器人的柔顺性使其成为复杂的多自由度（DoF）关节的理想选择，但也引入了额外的结构非线性。这些可穿戴机器人的直观控制需要强大的传感器来克服固有的非线性。本文提出了一种关节运动学估计器的生物启发的多自由度肩外装能够补偿遇到的非线性。为了克服套装柔软柔顺的特性所固有的非线性和滞后性，我们开发了一种基于深度学习的方法，将传感器数据映射到关节空间。实验结果表明，新的基于学习的框架比最近的最先进的方法有很大的利润，同时实现12毫秒的推理时间，仅使用基于GPU的边缘计算设备。通过与模拟NAO人形机器人的实时的【形】遥操作，证明了我们的组合外装和学习框架的有效性。
2020-02-21 cs.RO eess.SP
Neural Turbo Equalization: Deep Learning for Fiber-Optic Nonlinearity Compensation
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
最近，由现代深度学习驱动的数据驱动方法已被应用于光通信，取代了传统的基于模型的方法。深度神经网络（DNN）的应用允许对复杂的光纤系统进行灵活的统计分析，而不依赖于任何特定的物理模型。由于DNN固有的非线性，基于DNN的各种均衡器已经显示出显著的潜力，以减轻光纤非线性。在本文中，我们提出了一个涡轮均衡（TEQ）的基础上DNN作为一个新的替代框架，以处理未来的相干光通信的非线性光纤损伤。建议的DNN-TEQ构造嵌套深度残差网络（ResNet）训练外部似然给定的软信息反馈从信道解码。通过外部信息传输（EXIT）分析，我们验证了我们的DNN-TEQ可以加速解码收敛，以实现0.61b/s/Hz的可实现吞吐量的显着增益。我们还证明，优化不规则的低密度奇偶校验（LDPC）码，以匹配EXIT图的DNN-TEQ可以提高可实现的速率高达0.12 b/s/Hz。
2019-11-22 cs.IT cs.LG eess.SP
Compensation of Fiber Nonlinearities in Digital Coherent Systems Leveraging Long Short-Term Memory Neural Networks
University of the Aegean（爱琴海大学）；University of West Attica（西阿提卡大学）；LIBRA MLI Ltd（LIBRA MLI有限公司）；LIBRA AI Technologies（LIBRA人工智能技术公司）
我们首次介绍了利用长短期记忆（LSTM）神经网络架构来补偿数字相干系统中的光纤非线性。我们进行数值模拟，考虑无论是C波段或O波段传输系统的单信道和多信道16-QAM调制格式与偏振复用。详细分析了隐藏单元的数量和训练LSTM算法并对应于所考虑的信道记忆的符号字的长度的影响，以揭示基于LSTM的接收器在性能和复杂度方面的限制。数值结果表明，LSTM神经网络可以非常有效地作为光接收器的后处理器，对光纤中经历非线性损伤的数据进行分类，并提供比数字反向传播更优越的性能，特别是在多通道传输场景中。复杂度分析表明，LSTM随着隐藏单元的数量而变得更加复杂，并且在长距离（> 1000 km）中，通道记忆的增加可能比DBP更简单。
2020-09-23 cs.LG eess.SP stat.ML
A Machine Learning-Based Detection Technique for Optical Fiber Nonlinearity Mitigation
Memorial University（纪念大学）；Eindhoven University of Technology（埃因霍温理工大学）
我们调查的机器学习分类技术的性能，称为Parzen窗口，以减轻光纤非线性的色散管理和色散非管理系统的背景下。该技术应用于接收端的检测，并通过设计改进的判决边界来处理非高斯非线性效应。我们还提出了一个两阶段的缓解技术，使用数字反向传播和Parzen窗口色散非管理系统。在这种情况下，数字反向传播补偿的确定性非线性和Parzen窗口处理的随机非线性信号-噪声的相互作用，这是不考虑数字反向传播。观察到的Q因子方面的性能改善高达0：4 dB。
2019-03-06 cs.LG eess.SP
Ultralow complexity long short-term memory network for fiber nonlinearity mitigation in coherent optical communication systems
光纤克尔非线性是限制长距离光纤通信容量的一个重要因素。数字反向传播（DBP）是一种主要的方法，通过求解逆传播非线性薛定谔方程（NLSE）来减轻线性和非线性损伤，这需要详细的链路信息。近年来，提出了基于神经网络的光通信系统非线性传输损伤抑制方法。然而，几乎所有的基于神经网络的均衡方案产生高的计算复杂度，这阻碍了在商业传输系统中的实际实施。本文提出了一种面向中心的长短期记忆网络（Co-LSTM），在均衡操作中引入了一种简化模式和循环机制，能够以极低的复杂度降低相干光通信系统中的光纤非线性。为了验证所提出的方法，我们进行了一个实验，10通道波分复用（WDM）传输64 Gbaud偏振分复用16进制正交幅度调制（16-QAM）信号。Co-LSTM和DBP实现了相当的非线性缓解性能。然而，具有简化模式的Co-LSTM的复杂度几乎与传输距离无关，这远低于DBP。提出的Co-LSTM方法为神经网络的低复杂度非线性缓解提供了一种有吸引力的方法。
2021-08-12 eess.SP physics.optics
Fiber Nonlinearity Mitigation in Coherent Optical Systems
该研究综述了相干光系统中光纤非线性抑制的两类主流方法及最新进展，提出星座整形、低复杂度DBP等未来方向，指出其兼具理论与实用价值。
2025-05-21 cs.IT eess.SP math.IT
All-Optical Nonlinear Pre-Compensation of Long-Reach Unrepeatered Systems
我们数值演示了一个全光非线性预补偿模块的国家的最先进的长距离拉曼放大无中继链路。补偿器的设计在传播对称性方面进行了优化，以最大限度地提高WDM传输下的性能增益，实现了4.0dB和2.6dB的SNR改善为250公里和350公里的链路。
2021-01-06 eess.SP physics.app-ph
Neural Network Architectures for Optical Channel Nonlinear Compensation in Digital Subcarrier Multiplexing Systems
Huawei Technologies Canada（华为加拿大技术公司）
本文研究数字子载波复用光传输系统中的光纤非线性补偿问题，提出基于CNN和LSTM等人工神经网络结构的非线性均衡器，并通过模块化设计逐步优化性能与复杂度，为未来相干光收发器提供实用方案。
2023-04-13 cs.IT cs.LG eess.SP
Chaos-Based Multicarrier VLC Modulator With Compensation of LED Nonlinearity
发光二极管（LED）闪电基础设施的大规模部署为将其重新用作可见光通信（VLC）提供了机会，以利用室内场景中当前的RF频谱危机。VLC中的主要问题之一是LED的有限动态范围和它们的非线性响应，这可能导致通信的严重降级，并且更具体地，导致比特出错率（BER）的严重降级。这由于基于光正交频分复用（O-OFDM）的多载波复用的广泛使用而加剧，其特征在于高的峰均功率比。在这里，我们提出了一个基于混沌的编码调制（CCM）设置专门适用于LED的非线性。它取代了通常的调制，同时保持多载波O-OFDM结构不变。首先，我们得到一个半解析界的比特错误概率，考虑到LED的非线性响应。边界的结果特别紧密的信噪比的范围内的利益。然后，我们提出了一种基于优化技术的调制器设计方法。目标函数是半解析界，并且将优化应用于CCM共轭函数的参数化。这适当地塑造了混沌波形，并导致BER的改善，在理想的预失真下优于经典的同行。
2020-04-17 cs.IT eess.SP math.IT
Adaptive Turbo Equalization of Probabilistically Shaped Constellations
首次研究了概率成形星座的自适应Turbo均衡光纤非线性补偿。通过结合概率整形、单通道数字反向传播和自适应Turbo均衡，证明了超过100%的传输范围扩展的潜力。
2023-02-24 eess.SP
Joint Subcarrier Phase Recovery for Nonlinearity Mitigation
Scuola Superiore Sant’Anna（圣安娜高等学院）；Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT)（意大利大学电信联合体）；CNR-Istituto di Elettronica e di Ingegneria dell’Informazione e delle Telecomunicazioni (CNR-IEIIT)（国家研究委员会信息与电信电子与工程学院）
本文提出一种低复杂度的多子载波相位恢复方案，通过同时抑制激光相位噪声和光纤非线性效应，实现0.9 dB的增益。
2026-09-21 eess.SP
Fiber Nonlinearity Mitigation via the Parzen Window Classifier for Dispersion Managed and Unmanaged Links
Eindhoven University of Technology（埃因霍温理工大学）；Memorial University（纪念大学）
机器学习技术作为处理光信道损伤，特别是非线性效应的有前途的方法，最近受到了极大的关注。在这项工作中，基于机器学习的分类技术，被称为Parzen窗口（PW）分类器，应用于减轻光通道中的非线性效应。PW分类器被用作具有改进的非线性判决边界的检测器，更适合于非线性光纤信道。当在色散管理和色散非管理系统的上下文中应用PW时，观察到性能改进。
2019-09-17 cs.IT cs.LG eess.SP
Towards FPGA Implementation of Neural Network-Based Nonlinearity Mitigation Equalizers in Coherent Optical Transmission Systems
Aston University（阿斯顿大学）；Infinera（英飞朗公司）；AMD/Xilinx Inc（超威半导体/赛灵思公司）
对于第一次，经常性和前馈神经网络为基础的均衡器的非线性补偿实现在FPGA中，与一个色散均衡器的复杂程度相媲美。我们证明了基于NN的均衡器可以优于1步每跨度DBP。
2022-06-24 cs.LG eess.SP
Probabilistic Amplitude Shaping and Nonlinearity Tolerance: Analysis and Sequence Selection Method
本文提出线性低通滤波器模型分析概率幅度整形的非线性效应，并基于该模型设计新的序列选择度量，以提升光纤通信系统的非线性容限。
2023-04-17 cs.IT eess.SP math.IT
170-260 GHz Sub-THz Optical Heterodyne Analog Radio-over-Fiber Link for 6G Wireless System
针对自由运行激光器频率与相位波动影响光外差亚太赫兹传输的问题，该研究通过数字损伤补偿，在10 km模拟RoF链路上实现170–260 GHz OFDM信号生成。
2023-08-10 cs.NI eess.SP
Geometric Clustering for Hardware-Efficient Implementation of Chromatic Dispersion Compensation
Aston Institute of Photonic Technologies, Aston University（阿斯顿大学光子技术研究所）
针对光纤通信色散补偿算法硬件能效验证不足的问题，本文提出时域聚类均衡器TDCE技术，通过抽头重叠效应分析与创新并行化方法在FPGA上实现，相比最优频域均衡器FDE最高节省70.7%能耗与71.4%乘法器资源，证明实现策略对硬件效率的关键作用。
2024-09-16 cs.AI eess.SP
Probabilistic Shaping for Nonlinearity Tolerance
本文以教程形式探讨光纤通信中面向非线性容忍度的概率整形，基于非线性光纤信道一阶时域微扰近似分析线性与非线性整形增益，重点研究主流方法下的概率幅度整形及序列选择整形的多元分布优化特性。
2024-12-12 cs.IT eess.SP math.IT
Investigation of analog signal distortion introduced by a fiber phase sensitive amplifier
本研究通过数值模拟与实验验证，分析光纤相位敏感放大器（PSA）在微波光子链路调幅信号中引入的失真，对比不同调制器情况并探究增益饱和的影响，确定了PSA自身非线性极低的条件。
2020-09-10 eess.SP physics.optics
Application of Machine Learning in Fiber Nonlinearity Modeling and Monitoring for Elastic Optical Networks
光纤非线性干扰（NLI）建模和监测是支撑弹性光网络（EON）的关键组成部分。在过去，它们通常是单独制定和调查的。此外，以前提出的方法的准确性仍然需要提高异构动态光网络。在本文中，我们提出了机器学习（ML）在NLI建模和监控中的应用。特别是，我们首先提出使用ML方法来校准当前光纤非线性模型的误差。高斯噪声（GN）模型被用作一个说明性的例子，和显着的改善表现出与人工神经网络（ANN）的援助。此外，我们建议使用ML来结合建模和监测方案，以更好地估计NLI方差。以下内容是撤回理由评论中所列错误。(1)正如标题所提到的，应该解决的工作是关于弹性光网络（EON）的，然而，模拟设置和结果部分集中在传统的波分复用（WDM）网络上。这一错误可能会使一些研究人员感到困惑，对弹性光网络的研究产生误导。(2)结果反应中存在一些错误，如图9（b）和（c），错误的标题可能会导致误导的决定。(3)分步傅里叶法（SSFM）在计算中采用足够小的步长时具有很好的精度，但本文没有对分步傅里叶法的步长进行优化的必要内容和努力。该错误可能会混淆模拟结果的准确性。因此，我们决定从arXiv中撤回这篇论文。具有相同标题的正确和完整的论文发表在光波技术杂志上，doi：10.1109/JLT.2019.2910143。
2019-05-23 eess.SP stat.ML
A Dual-Dip Heterogeneous LPFG Sensing System via Annealing under Bending with Temperature and Humidity Compensation
Fujian Medical University（福建医科大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Hainan Vocational University of Science and Technology（海南科技职业大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Beijing University of Technology（北京工业大学）
本文提出一种双 dips 异质长周期光纤光栅传感平台，通过弯曲辅助退火实现各向异性折射率再分布和模式依赖耦合增强，克服温度交叉灵敏度，实现温度、弯曲和湿度的多参数传感。
2026-05-10 eess.SP physics.optics
Phase-coherent lightwave communications with frequency combs
光纤网络是社会中至关重要的电信基础设施。波分复用允许在光纤带宽上传输并行数据流，相干检测允许使用复杂的调制格式和信号损伤的电子补偿。在未来，光频梳可能会取代用于不同波长信道的多个激光器。我们展示了两个新的信号处理方案，利用光频梳的宽带相位相干性。该方法允许对相干通信系统中的光相位噪声进行更有效的估计和补偿，这可以显著地简化信号处理或提高传输性能。随着空分复用和芯片级频率梳源的进一步发展，这些发现为紧凑型节能光收发器铺平了道路。
2019-05-13 eess.SP physics.optics
A Joint Wireless-Optical Front-haul Solution for Multi-user Massive MIMO 5G RAN
我们展示了一种用于多用户大规模多输入多输出5G RAN的高容量光纤中频移动前传解决方案。使用该方案，在没有光纤色散补偿的情况下，在40 km以上的单个光波长上传输了创纪录的25.6 GHz的聚合无线电带宽
2020-11-18 cs.IT eess.SP math.IT
New Lower Bounds on the Capacity of Optical Fiber Channels via Optimized Shaping and Detection
星座成形是提高光通信系统性能和速率自适应性的一种实用而有效的技术。原则上，它还可以用于减轻非线性效应的影响，可能会增加信息速率超过光纤非线性所规定的电流限制。然而，这一吸引人的想法是沮丧的困难，设计一个有效的整形策略，考虑到非线性和长记忆的光纤通道，以及可能的相互作用与其他非线性缓解策略。因此，迄今为止只取得了很小的进展，而最佳成形分布和最终的信道容量仍然是未知的。在这项工作中，我们描述了一种新的技术，以优化在一个非常一般的设置和高维空间的成形分布。对于一个简化的块无记忆非线性光信道，所提出的技术得到的容量下限可以解析地表示，建立了一个无限增长的能力与功率的条件。在一个更现实的情况下，该技术可以实现由一个合适的成本函数驱动的拒绝采样算法，和相应的可实现的信息速率估计数值。所提出的技术与改进的（非高斯）解码度量的组合产生了一个新的容量下限的双偏振WDM信道。
2021-12-07 cs.IT eess.SP math.IT
Model-Based Machine Learning for Joint Digital Backpropagation and PMD Compensation
在本文中，我们提出了一个基于模型的机器学习方法的双偏振系统参数化的分步傅立叶方法的Manakov-PMD方程。所得到的方法结合了硬件友好的时域非线性缓解通过最近提出的学习数字反向传播（LDBP）与偏振模色散（PMD）的分布式补偿。我们将所得到的方法称为LDBP-PMD。我们在多个PMD实现上训练LDBP-PMD，并表明在平均428次训练迭代后，它收敛在其峰值dB性能的1%以内，产生的峰值有效信噪比仅低于无PMD的情况下的0.30 dB。类似于国家的最先进的集总PMD补偿算法在实际系统中，我们的方法不假设任何知识的特定PMD实现沿链路，也没有任何知识的总累积PMD。这是一个显着的改进相比，以前的工作分布式PMD补偿，其中知识的积累PMD通常是假设。我们还比较了不同的参数化选择的性能，复杂性和收敛行为。最后，我们证明了学习的模型可以成功地重新训练后，PMD实现沿光纤的突然变化。
2020-10-23 cs.IT eess.SP math.IT
