Joint Fiber Nonlinear Noise Estimation, OSNR Estimation and Modulation Format Identification Based on Asynchronous Complex Histograms and Deep Learning for Digital Coherent Receivers.
Joint Fiber Nonlinear Noise Estimation, OSNR Estimation and Modulation Format Identification Based on Asynchronous Complex Histograms and Deep Learning for Digital Coherent Receivers.
复制标题
DOI：
10.3390/s21020380
复制
发表时间：
2021-01-07
期刊：
影响因子：
--
通讯作者：
Liu D
中科院分区：
文献类型：
--
作者：
Yang S;Yang L;Luo F;Li B;Wang X;Du Y;Liu D
本文提出了一种基于异步复直方图（ACH）的多任务人工神经网络（MT-ANN），用于同时实现相干光通信中调制格式识别（MFI）、光信噪比（OSNR）估计和光纤非线性噪声功率估计。首次演示了偏振模复用（PDM）、16正交幅度调制（QAM）、PDM-32 QAM以及PDM-star 16 QAM（S-16 QAM）的光学性能监控（OPM）。发射功率范围为−3至−2 dBm，光纤链路长度为160-1600 km。因此，MFI的准确性达到100%。OSNR估计的平均均方根误差（RMSE）可达0.37 dB。NL噪声功率估计的平均RMSE可以达到0.25 dB。实验结果表明，该监测方案对光纤长度的增加具有较好的鲁棒性，能够以更好的性能和更少的训练数据同时监测更多的光网络参数。本文提出的ACH MT-ANN对未来长距离相干OPM系统具有一定的借鉴意义。
In this paper, asynchronous complex histogram (ACH)-based multi-task artificial neural networks (MT-ANNs), are proposed to realize modulation format identification (MFI), optical signal-to-noise ratio (OSNR) estimation and fiber nonlinear (NL) noise power estimation simultaneously for coherent optical communication. Optical performance monitoring (OPM) is demonstrated with polarization mode multiplexing (PDM), 16 quadrature amplitude modulation (QAM), PDM-32QAM, as well as PDM-star 16QAM (S-16QAM) for the first time. The range of launched power is −3 to −2 dBm with a fiber link of 160–1600 km. Then, the accuracy of MFI reaches 100%. The average root mean square error (RMSE) of OSNR estimation can reach 0.37 dB. The average RMSE of NL noise power estimation can reach 0.25 dB. The results show that the monitoring scheme is robust to the increase of fiber length, and the solution can monitor more optical network parameters with better performance and fewer training data, simultaneously. The proposed ACH MT-ANN has certain reference significance for the future long-haul coherent OPM system.
登录
查看更多内容
用于 PDM-64QAM 光学性能监控的迁移学习简化多任务深度神经网络
影响因子：
3.8
作者：
Cheng, Yijun;Zhang, Wenkai;Liu, Deming
通讯作者：
Liu, Deming
影响因子：
5
作者：
Caballero, F. J. Vaquero;Ives, D. J.;Savory, Seb J.
通讯作者：
Savory, Seb J.
影响因子：
3.8
作者：
Dar, Ronen;Feder, Meir;Shtaif, Mark
通讯作者：
Shtaif, Mark
影响因子：
2.6
作者：
Lin, Xiang;Dobre, Octavia A.;Li, Cheng
通讯作者：
Li, Cheng
影响因子：
3.8
作者：
Dong, Zhenhua;Lau, Alan Pak Tao;Lu, Chao
通讯作者：
Lu, Chao