通过双输入神经网络多样性技术提升4.2公里多模传输的性能

《IEEE Photonics Technology Letters》：Performance Enhancement for 4.2-km Multi-mode Transmission by Dual-Input Neural Network Diversity

多模光纤通信系统受限于模式相关损耗和色散，传统合并技术效果有限。本文提出基于神经网络的多样性接收方案，在4.2km MMF传输中实现30-GBaud PAM-4（7% FEC）和20-GBaud PAM-8（20% FEC），有效抑制模式效应，提升系统可靠性。

　　

摘要：

在短距离应用中，基于多模光纤（MMF）的光通信系统由于其低成本和与现有基础设施的兼容性而成为一种重要的解决方案。然而，MMF系统的性能受到模式依赖损耗（MDL）和模式色散（MD）的显著限制，尤其是在高速传输场景下。多样性接收技术通过结合多个信号路径来有效提高整个系统的性能。我们的工作展示了一种基于神经网络（NN）的多样性接收方案，该方案从根本上解决了传统方法（如选择组合（SC）、等增益组合（EGC）和最大比组合（MRC）在MMF系统中的局限性。对于30-GBaud PAM-4和20-GBaud PAM-8信号传输的实验结果表明，所提出的方案和NN方法能够显著提升系统性能。在4.2公里的MMF上传输中，30-GBaud PAM-4和20-GBaud PAM-8信号分别在7%和20%的前向纠错（FEC）阈值下成功实现了传输。这表明基于NN的多样性接收可以有效减轻多模传输中的MDL和MD，从而提高系统的鲁棒性和可靠性，以满足未来的通信需求。