Методы компенсации нелинейных эффектов в многоканальных системах передачи данных на основе динамических нейронных сетей Текст научной статьи по специальности «Компьютерные и информационные науки»

ВКВО-2019- ВОСПИ

МЕТОДЫ КОМПЕНСА T1

Г» ivmui V7l\/\n/\JI Г»П П1Л

НА ОСНОВЕ ДИНАМИЧ1

1*

Сидельников О.С. , Редюк А.

1 Новосибирский государств 2Институт вычислительных 3Институт фотонных технологий, универ

* E-mail: o.s.s

Нелинейные эффекты являются одним ] способность современных волоконно-оптичес! связи с более плотным использованием по]

В данной работе схема компенсации нейронных сетей, предложенная в [3], расш уплотнением каналов (WDM). Разработанная

R тля^лглтч^ nQPili\iQTnuDQPTr,a т/гт^л/гя ПРГ

ВКВО-2019 ВОСПИ

На Рис 1 (б) показана архитектура нейронной сети, используемая в работе. Число нейронов для каждого канала на входном слое равно 2 (2 Ndel + 1), где Ndel = 10 - количество блоков задержки, используемых в нейронной сети для учета эффекта памяти канала. Сеть также состоит из двух скрытых слоев по 64 нейрона каждый и выходного слоя с двумя нейронами, соответствующими действительной и мнимой части выходного символа. В качестве функции активации на скрытых слоях использовалась сигмоида, в то время как на выходном слое использовалась линейная передаточная функция. Для обучения использовался алгоритм обратного распространения Adam. Обученная нейронная сеть использовалась для распознавания принятого символа и предсказания символа, отправленного с передатчика.

-8 -6-4 -2 0 2 4 Launch power per channel, dBm

Рис. 2. Зависимость BER от начальной мощности сигнала для различных схем компенсации

нелинейных искажений

В работе проведено сравнение схемы на основе динамических нейронных сетей, использующей для предсказания одного символа информацию со всех частотных каналов, с линейным компенсатором и с предыдущей версией схемы, использующей символы только с одного канала, предложенной в [3]. На Рис. 2 представлена зависимость коэффициента битовых ошибок от мощности начального сигнала для различных схем компенсации нелинейных искажений. Синим цветом обозначена линейная схема компенсации, которая восстанавливает только фазу сигнала. Красный цвет соответствует нейронной сети, в которой для предсказания символа на входе используются только символы с соответствующего ему канала. Зеленным цветом обозначен случай динамической нейронной сети, которая использует информацию со всех каналов. Как видно из данного рисунка, схемы, основанные на динамических нейронных сетях, превосходят линейный компенсатор. Кроме того, нейронная сеть, которая для предсказания переданного символа использует информацию со всех спектральных каналов, показывает лучший коэффициент битовых ошибок по сравнению с нейронной сетью, использующей на входе только символы с одного канала. Это можно объяснить тем, что символы с соседних частотных каналов позволяют такой схеме компенсировать, в том числе, фазовую кросс-модуляцию и эффекты четырехволнового смешения, что положительно сказывается на качестве восстановления сигнала.

Исследование выполнено при поддержке Российского научного фонда (грант № 17-72-30006).

Литература

1. Agrawal, G. P. Nonlinear Fiber Optics (Fifth Edition), Boston: Academic Press, 2013, 648 p.

2. Jarajeh M et al., IEEE Phot. Lett. 27, 387-390 (2015)

3. Sidelnikov O., Redyuk A., Sygletos S., Opt. Express 26, 32765 - 32776 (2018)

4. Giacoumidis E., et al, Opt. Lett. 40, 5113-5116 (2015)

№6 2019 СПЕЦВЫПУСК «ФОТОН-ЭКСПРЕСС-НАУКА 2019» www.fotonexpres.rufotonexpress@mail.ru 105