Aug, 2023

利用视觉变换器进行线性和非线性失真的分数阶傅立叶变换估计

PDF
TL;DR通过使用分数傅里叶变换（FrFT）进行时间频率信号处理，采用基于 Transformer 的神经网络（NN）突破了网络性能限制，精确估计了广泛范围内的线性和非线性失真，代表了光学性能监测领域的重要进展。
optical fiber communication systemimpairmentsfractional fourier transform (frft)transformer based neural networks (nn)optical performance monitoring (opm)
发现论文，激发创造
  • 基于非线性傅里叶变换理论引导的分裂步傅里叶方法相干光通信端到端优化

    针对非线性传输信道，我们首次提出了一种基于自编码器技术和神经网络的光纤传输系统优化方法，并通过将符号与波形映射与波形与符号映射结合，成功提高了传输距离约三倍。

    Sep, 2020

  • 光纤通信中非线性薛定谔方程的深度学习

    通过深度学习优化，可以显著降低纤维光通信中非线性薛定谔方程求解的复杂度，使得使用分裂步傅里叶法比线性均衡算法只多 2-6 倍计算量即可获得类似的准确性。

    Apr, 2018

  • 光纤通信中应用分裂非线性补偿的优点

    对于光纤非线性数字补偿的双边的传输方式，理论模型显示用高斯噪声模型可以得到更高的单极化分集 256 进制 QAM 信号的互信息。理论上在长距离、高带宽传输情况下使用数字补偿可以获得 1.5 dB 的信噪比提升，1 位的额外互信息提升仅在距离大于 2000km 时可实现。

    Nov, 2015

  • 光纤通信的端到端深度学习

    本论文采用深度学习实现了一种光纤通信系统，可通过单端到端的过程优化收发器，构建出一个灵活的，鲁棒性较好的收发器，成功地将其应用于强度调制 / 直接检测（IM/DD）系统，实现了可靠的传输，并将传输速度提高至 42GBfs。

    Apr, 2018

  • 弹性光网络中机器学习在光纤非线性建模和监测中的应用

    本文提出利用机器学习方法用于校准现有纤维模型的误差，以及将模型和监测方案相结合，以更好地估计 Fiber nonlinear interference 的变异。

    Nov, 2018

  • 112Gbit/s 无源光网络严重非线性畸变的全盲神经网络均衡

    我们展示并评估了一种针对 100G 无源光网络的全盲数字信号处理链路，并分析了基于神经网络的低硬件复杂度的不同均衡器拓扑结构。

    Jan, 2024

  • 光导管高带宽近距离信息传输

    通过使用多模光纤，我们提出了一个信息理论框架来传输最大熵（数据）图像，并通过千米以内的距离最大化信息传输，通过不同的差分可微神经网络来检索图像，最终能够以最大化的信息页大小恢复出数字输入图像。

    Jan, 2023

  • 基于超低复杂度的长短期记忆网络用于相干光通信系统中的光纤非线性抑制

    本文提出了一种中心定向长短记忆网络（Co-LSTM）结合简化模式和回收机制的方法，以实现在具有超低复杂度的相干光通信系统中减轻纤维非线性。

    Aug, 2021

  • 非色散光纤逐样本容量研究

    本研究讨论了考虑 Kerr 非线性和放大自发辐射噪声影响的随机非线性 Schrödinger 方程定义下的信道能力，提出了一个简单的半高斯分布和均匀相位的二维输入分布模型作为零色散光纤渠道的下限，并且发现这适用于高信噪比情况下的容量匹配输入分布模型结构类似于 Rician 衰落信道。

    Oct, 2014

  • 机器学习辅助的 OTFS 与 OFDM 自适应调制解调器

    在本研究中，我们使用模拟结果验证了 Orthogonal-Time-Frequency-Space（OTFS）和 Orthogonal-Frequency-Division-Multiplexing（OFDM）之间的性能差异，并提出了基于深度神经网络（DNN）的自适应方案来优化均方误差（MSE）性能。通过观察信道条件、接收信噪比和调制格式，训练 DNN 分类器在发送器和接收器之间切换使用 OTFS 或 OFDM 信号处理链，仿真结果表明使用该方案可以显著提高通信的 MSE 性能。

    Sep, 2023