基于深度学习的光纤通信非线性补偿技术

逍遥设计自动化

引言
光纤通信系统因光纤非线性效应而面临显著挑战，这限制了传输距离和系统性能。随着数据速率提高和采用先进调制格式以满足不断增长的带宽需求，非线性效应变得更加明显。本文概述了基于深度学习的非线性补偿技术，特别关注子载波复用(SCM)系统[1]。
3 W! [$ ], R8 g9 Z/ T

jfwchbvky5164080196903.png

+ U8 H' @) L! `: Y0 J6 g+ [
% w- l: c/ n" i! g& v系统架构与基本原理
SCM通过符号速率优化来减轻非线性失真，已成为有效的解决方案。在SCM系统中，总带宽被分成多个子载波，每个子载波承载部分数据。这种方法与单载波系统相比，提供了更好的灵活性和非线性容限。
0 \. i- O0 M+ j3 I# P8 w& e( ~" z+ N

tyuqb3npx1o64080197003.png

3 q  ?, }- v6 l; E) [# S; z/ l图1：SCM系统框图，展示了发射机和接收机架构，包括子载波生成、复用和各种补偿技术。

, H3 T$ k7 k2 ^( x( y0 x该系统对每个子载波采用双偏振(DP)信号，使用升余弦脉冲整形数学表达传输信号。子载波间的间距经过精心优化，以防止干扰同时最大化频谱效率。

非线性补偿方法
( j7 j4 F; C" z) T传统数字反向传播(DBP)已被广泛用于非线性补偿，但面临计算复杂度的挑战。在SCM系统中，需要处理两种主要的非线性效应：自身子载波非线性(SSN)和交叉子载波非线性(CSN)。
: ?6 V* a4 P$ ]1 E

qgy4h1veb0x64080197103.png

6 z! v8 X. q' h1 ]图2：展示(a)SCM-DBP过程中的SSN和CSN补偿阶段，以及(b)提出的SCM-LDBP结构，演示了神经网络架构。

深度学习增强解决方案
SCM学习型DBP(SCM-LDBP)方法将传统DBP原理与深度神经网络相结合，实现了性能提升和复杂度降低。主要创新包括并行处理多个神经网络同时处理不同子载波，通过时域滤波用优化的FIR滤波器替代频域运算，以及神经网络在训练过程中进行自适应补偿学习最优滤波器系数。

性能分析
. b; X- a9 [. Q大量仿真证明了SCM-LDBP相比传统方法的有效性。
9 C- M; B& E+ C/ ?" S( I3 L

xwc3ixzeily64080197204.png

! |$ F% c0 D, m" B5 \) ]/ ~0 p图3：不同干扰子载波数量下SCM-DBP的性能比较，在(a)1跨度/步长和(b)20跨度/步长条件下，显示了随干扰子载波增加的Q因子改善。
& e& C; I$ e% x5 \  ?8 K+ b
/ _. a+ ]& Y% ~- {, _

35iaft0musc64080197304.png

图4：SCM-DBP与SCM-LDBP在不同干扰子载波数量下的性能比较，展示了所提方法的优越性能。

' i- Y, G2 J% M4 a4 {$ e0 }5 I: N- x结果表明SCM-LDBP在32波特系统中相比SCM-DBP提高0.3 dB的Q因子，与传统方法相比降低31.7%的复杂度，并且随数据速率提高保持良好的性能扩展性。

复杂度考虑
SCM-LDBP的一个关键优势是降低了计算需求。复杂度降低通过消除FFT/IFFT运算、优化时域滤波和并行处理架构来实现。
. p' K* z7 K& ^2 G

zhyv4gno5ei64080197404.png

图5：32波特系统中SCM-DBP和SCM-LDBP在不同干扰子载波数量下的复杂度比较，显示计算需求显著降低。
6 b0 M7 q  l7 t' q/ n6 v

mij2owy0jwi64080197504.png

图6：120波特系统的复杂度比较，展示在更高数据速率下保持效率优势。

高速应用
/ L) ?5 ^$ P4 [1 kSCM-LDBP的优势延伸到120波特的高速传输系统。

xe24nds4at264080197604.png

图7：120波特SCM系统的性能结果，显示(a)不同干扰子载波的SCM-DBP结果和(b)SCM-DBP与SCM-LDBP方法的比较。
3 Z+ b# q( ~7 [1 b9 ~$ ~
! ]- n2 J5 `% k4 {( g' v性能-复杂度权衡
理解性能提升和计算需求之间的平衡对实际实施很重要。

uqlbaqxyxgt64080197704.png

图8：32波特系统在不同跨度每步长下的性能与复杂度分析，说明最优工作点。
. x$ Q  i* T  k  N4 N1 u

bod30qsww2y64080197804.png

8 B" d" u' E- r  |- ?9 N  x- X% V图9：120波特系统的性能-复杂度权衡分析，显示在更高数据速率下保持优势。
. L. L1 k. Z' \4 c6 t3 c1 u
实施考虑因素
成功部署SCM-LDBP需要注意训练要求，包括128帧每帧4098个符号，优化批次大小为32，使用学习率0.001的Adam优化器。在滤波器设计方面，需要优化CDC FIR滤波器长度，实现7抽头CSN-LPF，并平衡复杂度与性能。系统参数方面需要谨慎选择子载波数量，优化发射功率，同时考虑传输距离。该技术在城域网络、长距离传输系统和高容量数据中心显示出特别好的效果。

) i+ F4 O+ @7 ~6 A未来发展方向
6 L: Q1 }1 f( S0 v4 f研究方向涵盖与现有SCM部署的集成、扩展到更高阶调制格式、在波分复用系统中的应用、硬件高效实现和实时处理能力等领域。

本文展示了SCM-LDBP为光纤通信中的非线性补偿提供了有效解决方案。该方法成功将深度学习与传统信号处理技术的优势相结合，在降低复杂度的同时实现了更好的性能。随着数据速率持续提高和网络架构发展，这种高效的补偿技术将对下一代光通信系统变得更加重要。
% b* |2 ], y8 T, E
参考文献
[1] W. S. Saif, S. K. O. Soman and O. A. Dobre, "Deep Learning-Assisted Nonlinearity Compensation in Subcarrier-Multiplexing Coherent Optical Systems," Journal of Lightwave Technology, vol. 42, no. 23, pp. 8162-8172, Dec. 1, 2024, doi: 10.1109/JLT.2024.3427121.

END


软件申请我们欢迎化合物/硅基光电子芯片的研究人员和工程师申请体验免费版PIC Studio软件。无论是研究还是商业应用，PIC Studio都可提升您的工作效能。
点击左下角"阅读原文"马上申请
- ?$ s' D' ^  \7 @, I+ \! [" G
欢迎转载
+ [7 X2 f! |1 K+ V4 K6 Q" J
转载请注明出处，请勿修改内容和删除作者信息！
- i8 _9 _' p8 [) v$ t" M4 p2 j
  _7 h2 I; t  J+ I4 `. R3 e

. S5 S) u% ]2 m% b2 X

jz0elu14dq564080197904.gif

" e; L7 v9 P* D! U, H4 _/ @
关注我们

% `) t4 R. R" ]" }- @

prkqap5u04m64080198004.png

b0c1h45korf64080198105.png

4 z/ j& A) f6 u; y1 S: ~- |/ t 340rszt5lsu64080198205.png : v8 G5 R& P+ N( f

                     

# }& ]! j* v  T% K
! N# Y' x, R- m4 ?& b4 W
! Y& y& t- J. Q  r. {关于我们：
, M, V) U9 r1 N深圳逍遥科技有限公司（Latitude Design Automation Inc.）是一家专注于半导体芯片设计自动化（EDA）的高科技软件公司。我们自主开发特色工艺芯片设计和仿真软件，提供成熟的设计解决方案如PIC Studio、MEMS Studio和Meta Studio，分别针对光电芯片、微机电系统、超透镜的设计与仿真。我们提供特色工艺的半导体芯片集成电路版图、IP和PDK工程服务，广泛服务于光通讯、光计算、光量子通信和微纳光子器件领域的头部客户。逍遥科技与国内外晶圆代工厂及硅光/MEMS中试线合作，推动特色工艺半导体产业链发展，致力于为客户提供前沿技术与服务。
! N8 q* j" R% h! I1 G! L7 W
http://www.latitudeda.com/
（点击上方名片关注我们，发现更多精彩内容）