一種基於殘差神經網絡的光纖通信的非線性補償方法
2024-04-16 17:17:05
1.本發明涉及一種基於殘差神經網絡的光纖通信非線性補償方法，屬於光纖通信非線性補償領域。
背景技術：
2.傳統的光纖通信系統採用頻分復用、偏振復用以及波分復用等復用方式，已經無法滿足指數型增長的數據傳輸需求。由於軌道角動量(oam，orbital angular momentum)復用不依賴于波長和偏振，提供了新的自由度，從而提高了光纖通信系統的容量、增加了網絡帶寬。但同時，oam模式復用增加了光纖通信系統的複雜度和隨機性，使得載波在光纖信道中會受到更大的非線性幹擾，而光纖通信系統中的非線性效應是限制系統傳輸速率、容量和距離的主要因素之一。因此，傳統的非線性均衡器，在處理oam模式復用光纖通信系統的非線性畸變時，會有一定的局限性。
3.在傳統的光纖通信系統中，針對非線性補償的方法，大多是針對某個特定的器件，這種方法並不適用於有多種器件協同工作的oam模式復用光纖通信系統；另外則是對光纖信道進行建模，對接收信號進行非線性抑制，如沃特拉(volterra)均衡器。volterra均衡器使用記憶時延方法，對系統信號的輸入輸出之間的非線性模型進行擬合從而補償畸變信號。然而在oam模式復用的光纖通信系統中，由於模式耦合的影響，加劇了光纖信道中的非線性畸變，使用volterra均衡器無法很好的擬合複雜的非線性信道，同時會使接收端數位訊號處理複雜度過高，從而使得接收信號的補償效果變差。基於卷積神經網絡(cnn)的非線性補償方法通過自動提取特徵並進行特徵轉換來降低系統非線性效應對信號的影響。其誤碼率性能優於傳統的非線性補償方式，但是隨著網層數的增加，引入的激活函數越來越多，會將數據映射到更加離散的空間中。深層的神經網絡會出現準確率大幅度降低的現象，這使得網絡的性能大幅度衰減導致訓練結果無法收斂，即使使用一些正則化、relu等激活函數也不能完全避免。
技術實現要素：
4.針對現有方法在軌道角動量復用的光纖通信系統的非線性補償中，存在準確率降低、網絡性能衰減導致訓練結果無法收斂的問題，本發明的主要目的是提供一種基於殘差神經網絡的光纖通信的非線性補償方法，基於數據映射和特徵圖記憶的殘差神經網絡，使網絡結構和系統數據有更好的適配效果，能夠更準確的提取數據特徵；同時加快殘差神經網絡的訓練速度、輕量化網絡並提升oam復用光纖通信系統的判決速度以及準確度，從而提升軌道角動量復用光纖通信系統非線性補償的效率及穩定性，提升通信質量。
5.本發明的目的是通過以下技術方案實現的：
6.本發明公開的一種基於殘差神經網絡的光纖通信的非線性補償方法，根據oam復用的光纖通信系統在殘差神經網絡進行非線性補償時的時延分析，適應性的優化殘差塊的結構。針對oam復用的光纖通信系統的數據特徵，將殘差塊(resblock)的輸入與系統數據特
徵相結合進行優化，使數據在卷積的過程中更有效的過濾掉特徵不明顯的數據，從而提高網絡的訓練速度，實現網絡的高效化。根據oam復用的光纖通信系統中輸入殘差神經網絡(resnet)網絡的相鄰數據相關性大的特徵，與上述降低複雜度的方法相結合，採用基於特徵圖記憶的resnet非線性補償方法模型，能夠更加精準的與系統引起複雜度增加的關鍵性問題適配，降低oam復用的光纖通信系統計算複雜度以及提高準確度，從而提升軌道角動量復用的光纖通信系統的非線性補償效果。
7.oam復用的光纖通信系統使用oam波作為光纖中傳輸的載波。將調製的信息符號加載在不同的oam載波上通過oam生成模塊，生成待傳輸的oam信息波；利用oam復用模塊，將不同模式的oam信息波進行混合，一同在光纖中傳輸；在接收端，使用oam解復用模塊進行混合oam波的分離，使用oam解調模塊，將接收的oam信息波上的調製信息符號進行讀取並解調。
8.接收端得到經過oam解調模塊的調製信息符號後，需要對調製符號進行數位訊號處理。本發明在數位訊號處理中，採用基於殘差神經網絡的非線性補償模塊。該模塊在實現基本的殘差神經網絡的功能上，增加含輸入數據映射能力的殘差塊結構以及特徵圖記憶單元，將一連串的調製符號映射為殘差神經網絡的輸入向量，針對該輸入向量的特徵進行卷積計算，輸出該向量中間的調製符號所對應的補償結果。
9.基於殘差神經網絡的非線性補償模塊由多個殘差塊與全連接層構成。殘差塊由一個或多個卷積層、一個或多個激活層以及一個累加層構成。殘差塊採用輸入數據映射層，實現輸入向量的變換。全連接層由一層或多層神經網絡進行全連接，採用relu或者softmax作為激活函數，進行分類與判決。殘差塊將經過卷積以及激活層的輸出數據，與經過映射後的輸入數據相加，在保障網絡收斂性的同時進一步提升數據的特徵，能更好的提取調製符號的特徵並最終通過全連接層進行判決恢復調製信號。
10.在oam復用的光纖通信系統中，將系統輸出到非線性補償模塊的多個連續調製符號組成一個輸入向量。輸入向量最中間的調製符號為需要補償與判決的符號，兩側的調製符號則反映中間符號傳輸時的信道狀態特徵。輸入向量在殘差塊之間傳遞時將上一個殘差塊的輸入與輸出直接相加作為下一個殘差塊的輸入。根據上述內容，針對oam復用的光纖通信系統的輸出數據特徵，將殘差塊(resblock)的輸入與系統數據特徵相結合進行優化，即：將殘差塊的輸入進行數據變換後再與殘差塊的輸出相加。其中，採用數據變換的方式是不限的，只要能夠突出中間的調製符號的比例以及提升輸入向量整體的數據特徵即可。優化後的殘差神經網絡能夠使數據在卷積的過程中更有效的過濾掉特徵不明顯的數據，從而提高網絡的訓練速度，實現網絡的高效化。
11.由於連續的調製符號組成的輸入向量之間具有重複部分，導致網絡訓練和測試的過程中存在大量的重複計算。本發明結合系統數據的特徵，使用特徵圖記憶單元對輸入向量的計算結果進行分段保存。具體為，在相鄰的兩組向量計算中，記錄第一組向量的整個計算流程的結果。當計算下一輸入向量時，刪除首端數據並添加末端新增數據，避免大量的重複計算以降低系統的計算複雜度，提高系統的計算速度。
12.有益效果：
13.1、本發明公開的一種基於殘差神經網絡的光纖通信的非線性補償方法，使用多個殘差塊組成的殘差神經網絡用於補償oam模式復用光纖通信系統中的非線性畸變，殘差塊實現輸入與輸出的疊加，由於網絡結構上的優化，殘差神經網絡能夠使用更深層次的網絡，
提高模型的特徵提取能力，從而提高oam模式復用光纖通信系統數據判決的準確率，解決傳統神經網絡在接收功率低和非線性畸變大時識別準確率低的情況，同時保證網絡的訓練速度和收斂速度，有效的提升非線性補償的準確度和穩定性。
14.2.本發明公開的一種基於殘差神經網絡的光纖通信的非線性補償方法，基於oam復用的光纖通信系統輸入殘差神經網絡非線性補償模塊的數據特徵，採用一種含輸入數據映射能力的殘差塊結構的適應性優化方案，提升了基於殘差神經網絡的非線性補償模塊的訓練速度、實現網絡的輕量化和提高網絡分類的準確度。
15.3.本發明公開的一種基於殘差神經網絡的光纖通信的非線性補償方法，採用基於特徵圖記憶的resnet非線性補償算法，降低系統的計算複雜度，提高系統的計算速度。
附圖說明
16.圖1為本發明公開的一種基於殘差神經網絡的光纖通信的非線性補償方法的oam復用的光纖通信系統圖
17.圖2為含輸入數據映射的殘差塊結構圖；
18.圖3為oam復用的光纖通信系統相鄰輸入非線性補償模塊的數據向量圖；
19.圖4為oam-pam8調製符號進行resnet非線性補償示意圖；
20.圖5為雙模oam復用光纖通信系統具體實施方案圖。
具體實施方式
21.下面將結合附圖和實施例對本發明加以詳細說明。同時也敘述了本發明技術方案解決的技術問題及有益效果，需要指出的是，所描述的實施例僅旨在便於對本發明的理解，而對其不起任何限定作用。
22.如圖5所示，oam模式復用光纖通信系統與傳統的光纖通信系統相比增加了oam載波映射的部分。傳統的光纖通信系統在發送端對信號進行數位訊號處理和數模轉換，信號經過馬赫曾德爾調製器(mach zehnder modulator,mzm)調製到雷射生成器上，然後傳入單模光纖中，並在接收端進行相干接收後進行數位訊號處理進行信號恢復與解調。oam模式復用光纖通信系統和傳統光纖通信系統相比，增加了oam生成模塊、oam復用解復用模塊以及oam解調模塊，三者都是在空間中對光信號進行操作。
23.oam復用的光纖通信系統使用oam波作為光纖中傳輸的載波。將調製的信息符號加載在不同的oam載波上通過oam生成模塊來生成待傳輸的oam信息波。利用oam復用模塊，將不同模式的oam信息波進行混合，一同在光纖中傳輸，在接收端使用oam解復用模塊即可完成混合oam波的分離。在接收端，使用oam解調模塊即可將接收的oam信息波上的調製信息符號進行讀取並解調。
24.接收端得到經過oam解調模塊的調製信息符號後，需要對調製符號進行數位訊號處理。本實施例在數位訊號處理中，加入基於殘差神經網絡的非線性補償算法模塊。該模塊在實現基本的殘差神經網絡的功能上設計了含輸入數據映射能力的心殘差塊結構以及特徵圖記憶單元，將一連串的調製符號映射為殘差神經網絡的輸入向量，針對該輸入向量的特徵進行卷積計算，輸出該向量中間的調製符號所對應的補償結果。
25.基於殘差神經網絡的非線性補償模塊由多個殘差塊與全連接層構成。殘差塊由兩
個卷積層、一個激活層以及一個累加層構成。本實施例中殘差塊引入輸入一個數據映射層實現輸入向量的線性變換。全連接層由兩層神經網絡進行全連接，採用relu和softmax作為激活函數，進行分類與判決。殘差塊將經過卷積以及激活層的輸出數據與輸入數據經過映射後的數據相加，在保障網絡收斂性的同時進一步提升數據的特徵，以更好的提取調製符號的特徵並最終通過全連接層進行判決恢復調製信號。
26.本實施例在oam復用的光纖通信系統中，將系統輸出到非線性補償模塊的多個連續調製符號組成為一個輸入向量。輸入向量最中間的調製符號表示需要補償與判決的符號，兩邊的調製符號則反映中間符號傳輸時的信道狀態特徵。輸入向量在殘差塊之間傳遞時將上一個殘差塊的輸入與輸出直接相加作為下一個殘差塊的輸入。根據上述內容，針對oam復用的光纖通信系統的輸出數據特徵，將殘差塊(resblock)的輸入與系統數據特徵相結合進行優化，即：將殘差塊的輸入進行線性數據變換後再與殘差塊的輸出相加。優化後的殘差神經網絡能夠使數據在卷積的過程中更有效的過濾掉特徵不明顯的數據，從而提高網絡的訓練速度，實現網絡的高效化。
27.由連續的調製符號組成的輸入向量之間具有重複部分，導致網絡訓練和測試的過程中存在大量的重複計算。本實施例結合系統數據的特徵和已有的方法，使用特徵圖記憶單元對輸入向量的計算結果進行分段保存。具體為，在相鄰的兩組向量計算中，記錄第一組向量的整個計算流程的結果。當計算下一輸入向量時，刪除首端數據並添加末端新增數據，避免大量的重複計算以降低系統的計算複雜度，提高系統的計算速度。
28.在本實施方例中，oam復用的光纖通信系統如圖5所示，在輸入端，比特數據在數位訊號處理(dsp)中被映射成pam-8符號，並通過任意波形發生器(awg)以64gsa/s的採樣率生成pam-8信號。電信號被馬赫-澤恩德調製器(mzm)調製到波長為1550nm的雷射器產生波光載波上，經過摻鉺光纖放大器(edfa)放大信號，信號通過分束器被分成兩束，從光纖耦合到兩個空間光調製器。經過slm調製拓撲電荷數l＝3和l＝4兩個不同oam模式的光束，兩個l＝3和l＝4的oam光束通過分光器合併成一個光束。復用的oam光束被耦合到一個100米長的環形核心光纖中傳輸。在接收端，復用的oam光束通過光子檢測器轉換成電子信號。離線dsp由定時恢復器、低通濾波器和resnet神經網絡組成。resnet由多個resblock組成，每個resblock包括2個卷積層和1個relu非線性激活函數組成。非線性激活函數(relu)被用作均衡器的激活函數。
29.在基於resnet神經網絡的非線性均衡器中，pam-8符號被預處理為輸入，輸入向量長度被定義為m。一個符號與其左右(m-1)/2個符號組成一個輸入向量。在卷積層中，長度為m的輸入向量由長度為k的多個一維卷積核進行卷積處理。同時，將卷積核輸出寫入特徵圖記憶隊列以保存卷積輸出結果。之後，將卷積輸出輸入到激活層並加上輸入輸送到下一層中。在下一個輸入向量的計算時會讀出特徵圖記憶隊列中的結果，進行捨去後簡化卷積計算過程。在特徵識別之後，輸出的特徵向量會經過兩層全連接層進行分類與判別。
30.在本實施方案中，相較於卷積神經網絡非線性補償，基於殘差神經網絡的oam復用光纖通信系統非線性補償方法能夠能夠在傳輸功率為-1dbm時帶來1.5db的增益。
31.以上所述的具體描述，對發明的目的、技術方案和有益效果進行進一步詳細說明，所應理解的是，以上所述僅為本發明的具體實施例而已，並不用於限定本發明的保護範圍，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的
保護範圍之內。