基于超密集WDM网络的循环神经网络,对频谱缩小缓解的证明
Optics letters
|February 15, 2024
概括
循环神经网络 (RNN) 缓解了超密集的WDM网络中的频谱缩小. 这种方法将16QAM信号传输距离延长超过500公里,提高光网络性能.
科学领域:
- 光学通信是指光学通信.
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 超密集的波长分割多重复合 (WDM) 网络面临信号频谱缩小,由于穿越多个波长选择性开关 (WSS).
- 这种光谱缩小降低了信号质量,限制了传输距离.
研究的目的:
- 为超密集的WDM网络引入和评估一种新的频谱缩小缓解技术.
- 证明重复神经网络 (RNN) 在克服光谱狭窄方面的有效性.
- 为了提高16QAM.AM等高阶调制格式的传输距离.
主要方法:
- 基于循环神经网络 (RNN) 的解调方案的开发和模拟.
- 将损伤感知光路径控制与RNN解调的整合.
- 在扩展的C频段传输系统中进行实验验证.
主要成果:
- 数字模拟证实,以RNN为基础的调制与受损感知光路径控制显著延长了传输距离.
- 实验结果表明,成功地将16QAM信号的可传输距离延长了500多公里.
- 这项研究是第一个使用RNN在WDM网络中证明频谱缩小缓解的研究.
结论:
- 循环神经网络为缓解超密集WDM系统中频谱缩小提供了有效的解决方案.
- 拟议的基于RNN的方法增强了光网络的覆盖范围,使复杂信号的长距离传输成为可能.
- 这项技术对未来的高容量光通信系统具有重大前景.
