通过参数编码结构增强基于神经网络的光纤传输波形级通道建模的概括性,通过参数编码结构来进行光纤传输

科学领域:

• 光学通信是指光学通信.
• 计算光子学 计算光子学
• 在工程领域的机器学习.

背景情况:

• 精确的光纤通道波形建模对于光通信系统至关重要.
• 传统的方法,如分步里叶法 (SSFM) 是计算密集型的.
• 神经网络 (NN) 方法提供了可比精度的减少计算负载.

研究的目的:

• 提高NNs的通用化能力,用于光通信系统建模.
• 开发一种新的参数编码结构,以提高NN性能.
• 创建一个单一的NN,能够跨多种系统参数进行概括.

主要方法:

• 引入一个新的NNs参数编码结构.
• 系统参数的预编码以增强NN泛化.
• 在多个光学系统参数中对单个NN进行培训和验证.

主要成果:

• 参数编码结构显著改善了NN概括.
• 波形建模精度在一般化场景中增加了49.9%和69.7%.
• 一个单一的NN在调制格式,符号速率,WDM通道空间,激光参数,分散,跨度长度和距离上演示了概括.

结论:

• 拟议的参数编码结构大大增强了用于光学波形建模的NN泛化.
• 首次开发了一个单一的,通用的NN,同时覆盖多个系统参数.
• 这种增强的NN为优化光传输系统设计提供了显著的潜力.