基于神经网络衍生的稀疏非线性ISI模型的宽带Δ-Σ光纤无线电嵌入技术

《IEEE Access》：Wideband Delta-Sigma Radio-over-Fiber Embedding a Sparse Nonlinear ISI Model Derived from Neural Networks

　　

摘要：

本文提出了一种用于Delta-Sigma光无线传输系统的新型稀疏非线性符号间干扰模型（SnISIM），旨在解决宽带毫米波应用中窄带带通滤波器导致的严重脉冲失真问题。该模型基于滤波时延神经网络（FTDNN）构建，并通过结构化剪枝和压缩感知技术进行优化，从而在保持高建模精度的同时降低计算复杂度。与传统脉冲失真模型相比，该方法无需激活函数即可有效捕捉高阶非线性特性，既降低了复杂性，又提升了失真补偿效果。通过在10公里光纤上使用400兆赫兹256-QAM正交频分复用信号进行的实验验证表明，采用SnISIM模型的DS-RoF系统在信号质量方面取得了显著提升——实数模型下的误差向量幅度改善幅度可达1.9分贝，复数模型则为0.7分贝——同时还能满足5G对误差向量幅度及邻道泄漏比的严格要求。据我们所知，这是首个同时满足此类宽带信号带内及带外性能要求的DS-RoF架构，为其在5G后续的分布式MIMO系统中的低成本应用奠定了基础。