应用Transformer进行光学系统中的非线性通道补偿

Apr, 2023

应用Transformer进行光学系统中的非线性通道补偿

Application of Transformers for Nonlinear Channel Compensation in Optical Systems

Behnam Behinaein Hamgini, Hossein Najafi, Ali Bakhshali, Zhuhong Zhang

TL;DR本文提出了基于Transformer的非线性信道均衡方法，探讨了利用Transformer的记忆直接关注序列过程，通过块处理以及选取编码器子集进行处理，达到有效非线性补偿的方法，并对其性能及超参数范围进行分析。同时，提出了基于非线性摄动理论、物理灵感掩码用于降低Transformer非线性均衡计算复杂度。

Abstract

In this paper, we introduce a new nonlinear channel equalization method for the coherent long-haul transmission based on transformers. We

发现论文，激发创造

利用长短时记忆神经网络对数字相干系统中光纤非线性进行补偿

使用长短时记忆神经网络来补偿数字相干系统中光纤非线性，该方案在单/多信道16QAM调制和极化复用情况下得到了验证，结果表明，与数字反向传播相比，LSTM神经网络可以作为光接收机的后处理器，提供卓越的性能。

Jan, 2020

数字相干系统中双向循环神经网络模型与 Volterra 非线性均衡器的性能和复杂性分析

研究了循环神经网络模型作为后处理单元用于补偿数字相干系统中的光纤非线性的复杂性和性能，并评估了三种双向循环神经网络模型，发现它们在特别是在未受扰动干扰管理系统中都是很有前途的非线性补偿器。模拟表明，在推断期间，这三个模型提供类似的补偿性能，因此，在现实生活中的系统中，应选择基于Vanilla-RNN单元的最简单的方案。与Volterra非线性均衡器进行比较并展示了它在性能和复杂性方面的优越性，因此凸显了RNN处理是升级利用相干检测的长途光通信系统的非常有前途的途径。

Mar, 2021

光通信中不同神经网络均衡器的计算复杂度的实验评估

通过对几种神经网络架构进行比较分析，我们定量地评估了基于神经网络的光信道均衡器在性能和复杂度之间的平衡，并给出了在 TWC 和 SSMF 设置下的结果。

Sep, 2021

基于变分自编码器的相干光通信中的盲均衡和信道估计

本文提出了一种基于变分推断的自适应盲均衡器，以提高光通信中载波恢复的效率，并通过在低复杂度下估计信道的最大似然来提高其性能和灵活性。作者将变分自编码器（VAE）等均衡器的概念推广到更高阶的调制格式，并通过多种测试环境证明了其优越性。

Apr, 2022

面向相干光传输系统中基于神经网络非线性抑制均衡器的FPGA实现

本研究在FPGA中实现了基于递归和前馈神经网络的均衡器，其复杂度与色散均衡器相当，实验证明基于神经网络的均衡器可以优于每段1步DBP。

Jun, 2022

应用于光学信道均衡的知识蒸馏：解决循环连接并行化问题

通过知识蒸馏重构循环神经网络为可并行化的前馈结构以解决其限制，可显著减少延迟并且仅降低0.5dB的Q因子。