【儀表網 研發快訊】近日，上海交通大學區域光纖通信網與新型光通信系統國家重點實驗室的義理林教授團隊提出一種針對光纖通信系統的可學習數字信號處理(LDSP)技術，將傳統數字信號處理(DSP)模塊視為深度學習框架中的可學習結構，通過全局優化大幅提升了光纖通信系統線性損傷的補償效果。打破了學術界通常認為當前DSP已經實現光纖通信系統線性效應完全補償的認知，有望成為高速光纖通信系統的線性補償新基準，為非線性補償算法的性能評估奠定了基礎。相關成果以“Learnable Digital Signal Processing: A New Benchmark of Linearity Compensation for Optical Fiber Communications”為題于2024年8月發表在國際頂尖光學期刊《Light: Science & Applications》。
 

       研究背景

 

　　光纖通信技術的迅速發展為現代信息社會提供了強大的技術支持。隨著數據傳輸需求的不斷增加，如何在現有光纖通信系統中實現更高的傳輸容量，成為了研究人員關注的重點。然而，光纖通信系統中的各種線性和非線性效應嚴重限制了信號的傳輸質量。傳統的數字信號處理(DSP)技術是分模塊設計的，雖然在補償各種線性效應方面已經成熟，但這種逐塊最優化設計可能導致局部最優。在這種情況下，非線性補償的性能可能由于線性殘余干擾而不準確，從而影響非線性補償算法的設計和性能評估。因此，全局優化線性DSP性能，為非線性補償提供準確的評估基準，對大容量光傳輸至關重要。
 

　　此外，在實際應用中，更高性能的補償往往意味著更大的復雜度，而復雜度的增加則會帶來更高的功耗和更大的設備體積，不利于系統的集成和推廣。在這種背景下，如何在保持低復雜度的同時，提高DSP的補償性能，成為了光纖通信領域研究的一個重大挑戰。
 

　　研究路徑：可學習的DSP框架
 

　　為了克服上述難點，研究團隊提出了一種新型的DSP框架——可學習的DSP(LDSP)。該方案在保持傳統DSP框架的基礎上，融入了深度學習的優化框架。在結構上，LDSP復用了傳統DSP的模塊，設定各個模塊內參數是可學習的，進一步通過深度學習的優化算法，從而實現全局最優的性能。具體而言，LDSP是對信號分塊進行處理，在處理每個信號塊時，各個DSP模塊通過反向傳播算法計算梯度，使用隨機梯度下降算法對參數進行優化，如圖1所示。
 

圖1 LDSP框架(a)信號分塊處理流程(b)LDSP流程
 

　　研究成果
 

　　技術上，LDSP是一種具有在線訓練功能的DSP框架，結合了光通信以往的先驗知識和數據驅動的優勢。通過這種方式，LDSP中的各個補償模塊能夠借助梯度共享處理信息，全面利用DSP資源進行損傷補償，提升傳輸性能。研究人員在400 Gb/s速率下1600 km光纖傳輸的實驗，如圖2所示，測試的長距離傳輸實驗系統，速率達到400 Gbps，傳輸1600 km，采用波分復用系統，測試時，有單通道和21通道兩個場景。
 

圖2 400 Gbps 1600 km實驗系統
 

　　實驗結果如圖3所示，LDSP在單通道和21通道傳輸的Q因子性能分別提高了約0.77 dB和0.56 dB，結合非線性補償，性能提升分別可達1.21 dB和0.9 dB。結果還說明，DSP性能對非線性補償的增益有著直接的影響，使用LDSP后，非線性補償的增益隨之增加。隨著對非線性補償的需求增加，LDSP作為一種新的算法處理范式，有變革光纖通信中DSP方案的潛力，更重要的是，它展示了傳統線性DSP仍有提升的空間，為光纖通信的非線性補償設立了新的基準。
 

　　圖3 實驗結果性能(a)單通道Q因子性能(b)單通道Q因子增益(c)21通道Q因子性能(d)21通道Q因子增益
 

　　LDSP可以在一個模塊中實現多種不同的功能，展示了其高效性。例如，頻域補償模塊可以同時補償IQ skew、激光器頻偏和色散等效應。進一步地，通過IQ skew的數值能夠檢測采樣誤差，從而降低對時鐘恢復模塊的需求，節省DSP資源，學習到的IQ skew如圖4所示，延遲的斜率反映了采樣誤差。
 

圖4 LDSP學習到的IQ skew參數特征
 

　　在傳統的DSP系統中，各個模塊的參數是固定的，需要根據實際情況進行手動調整，這不僅增加了系統的復雜度，還可能導致補償效果不佳。而在LDSP中，這些參數是可學習的，可以通過反向傳播算法進行自適應優化。LDSP能夠在保證高性能的同時，還能夠實現符號速率的信號處理，降低系統復雜度，使其更加適用于實際應用。
 

　　LDSP技術通過結合傳統DSP和深度學習的優勢，實現了光纖通信中線性和非線性效應的高效補償，標志著光纖通信技術的一個重要里程碑。通過全局優化，LDSP在保證高性能的同時，降低了系統復雜度，使其更加適用于實際應用。該研究不僅為未來的光纖通信發展提供了新的思路，也為光纖非線性補償建立了新的基準，有望推動這一領域的快速發展。
 

　　論文信息
 

　　上海交通大學電子信息與電氣工程學院電子工程系博士研究生牛澤坤為論文的第一作者，義理林教授為論文的通訊作者。
 

　　LIFE課題組一直致力于光纖通信系統的算法設計、系統架構設計以及智能化發展。目前，課題組深入研究基于人工智能方法的光纖信道建模、星座整形設計、非線性補償算法以及端到端性能全局優化工作，開發基于Python的光纖通信系統智能仿真平臺并開源(ifibertrans.sjtu.edu.cn)，為光傳輸領域持續發展貢獻力量。該方向工作得到國家自然科學基金杰出青年基金項目、科技部重點研發計劃項目、上海交通大學“交大2030”計劃以及上海交通大學-華為先進光技術聯合實驗室的支持。
 

　　期刊信息
 

　　《Light: Science & Applications》是一本享有盛譽的學術期刊，該刊是自然出版集團在中國出版的第一本OA物理類期刊，致力于推動全球范圍內的光學研究，刊載光學領域基礎、應用基礎以及工程技術研究及應用方面的高水平的最新研究成果，包括小尺度光學、特種光學、光學材料及處理、光學元件制備、光學數據傳輸、光學測量、光學在生命科學及環境科學等領域的應用等方面的高質量、高影響力的原創性學術論文、News & Views、快報、展望和綜述文章。2023年影響因子為 20.6。