SVR驱动的16×50 Gb/s QAM集成模式/波长复用自由空间信道系统

《IEEE Access》：SVR-Driven 16×50 -Gb/s QAM-Enabled Integrated Mode/Wavelength Multiplexed System Using Free-Space Channel

　　

自由空间光通信（FSO）技术日益增长的复杂性要求采用复杂的方法从海量异构数据集中提取有意义的见解。机器学习（ML）驱动的支持向量回归（SVR）已成为FSO系统的一种有前景的工具，为数据分析、性能预测以及跨各种系统性能指标的决策支持提供了一种变革性方法。本研究提出了一种基于16×50 Gbps模分复用（MDM）的单载波相干四电平正交幅度调制（SC-4QAM）波分复用（WDM）系统，采用FSO链路。该SVR模型包含线性、多项式和径向基函数（RBF）核，用于估计FSO链路上各种大气条件、损伤、噪声和损耗的非线性性能。结果表明，四个拉盖尔-高斯（LG）模式在190m FSO链路上实现了2.93dBm的接收光功率。在1km处，系统实现了31.97-18.83dB的信噪比（SNR），与分析预测值接近。在阈值为10^?3的误码率（BER）、光信噪比（OSNR）为7dB、误差矢量幅度（EVM）<17.5%的条件下，系统在不同信道模型和大气条件下可容忍3.6μrad收发端指向误差。在3.5mrad光束发散角下，系统提供了可接受的BER，并表现出13.02dB的光学损耗预算。此外，SVR-线性框架在预测品质因子（Q-factor）的研究环境条件下表现出比多项式核和RBF核更一致的预测性能，具有更低的误差指标和更高的精度。将所提系统与现有研究的系统级性能比较突显了其在高速度、大容量数据传输方面的潜力。

基于SVR的16×50 Gb/s QAM集成模式/波长复用自由空间信道系统研究解读

一、研究背景与问题

随着第五代（5G）通信、云计算和大数据等应用的快速发展，全球对超高速互联网流量的需求持续增长。自由空间光通信（FSO）技术凭借宽频谱、低成本、低时延和低功耗等优势，成为满足5G及未来通信需求的关键技术。然而，FSO链路性能受大气湍流（包括闪烁、光束扩展、光束漂移等）、天气条件（晴、霾、雨、雾）、指向误差、发散损耗、几何损耗及各种噪声的严重影响。模分复用（MDM）和波分复用（WDM）的集成可进一步提升系统容量，但模式串扰和大气损伤使系统性能恶化。传统的解析方法难以精确描述这些非线性效应，而机器学习（ML）方法尤其是支持向量回归（SVR）在非线性预测中表现出潜力。现有研究在ML应用于FSO信道估计和湍流预测方面取得进展，但将SVR用于MDM-QAM-WDM FSO系统在多种大气条件下的性能预测仍不充分。因此，本文提出并研究了一种基于SVR的16×50 Gbps MDM/单载波相干四电平正交幅度调制（SC-4QAM）WDM FSO系统。

二、研究工作与结论

研究人员设计了四个拉盖尔-高斯（LG）模式（LG_0,1、LG_0,2、LG_0,3和LG_0,4）和四个波长（1550～1552.4nm）共16个信道，每个信道50Gbps，总速率800Gbps的相干光通信系统。通过OptiSystem仿真和SVR模型（线性、多项式、径向基函数RBF核），系统在晴、霾、雨、雾天气以及弱、中、强湍流条件下评估了接收光功率、信噪比（SNR）、光信噪比（OSNR）、误码率（BER）、误差矢量幅度（EVM）、星座图等性能。结果表明：系统在190m FSO链路取得最大接收光功率2.93dBm（晴空弱湍流）；在1km距离下SNR为31.97～18.83dB，与分析值接近；在BER阈值10^?3和OSNR约7dB时，可容忍最大3.6μrad指向误差；在3.5mrad光束发散下损耗预算为13.02dB。SVR线性核在预测品质因子（Q-factor）时表现出最低的均方误差（MSE）和平均绝对误差（MAE）及最高的R²分数和解释方差分数（EVS），优于多项式核和RBF核。与已有研究比较，该系统在传输速率和性能上具有竞争力。论文发表在《IEEE Access》。

三、关键技术方法

研究人员采用的主要方法包括：（1）在OptiSystem v.23中构建MDM/WDM FSO仿真平台，采用四种LG空间模式与四路波长的正交复用；发射端使用单载波相干4-QAM调制，25Gbaud符号率，接收端采用相干检测和数字信号处理（DSP）进行恢复。（2）采用多种FSO信道模型：对数正态、Gamma-Gamma两种模型、Málaga、K模型和负指数分布，覆盖弱到强湍流；并考虑晴、霾、雨、雾天气。（3）使用SVR模型（线性、多项式、RBF核）对系统非线性性能进行预测，以传输距离、接收光功率、OSNR、光束发散角、接收孔径、大气衰减、天气和湍流等为输入特征，预测Q因子；数据按70:30划分训练测试集，用MSE、MAE、R²和EVS评估。研究为仿真研究，无样本队列。

四、研究结果

MDM信道模型：通过定义MDM信道传递矩阵和模式耦合系数，研究人员分析了模式相关损耗和串扰，指出在自由空间动态环境下多模式通道会产生显著串扰，影响接收功率和SNR。

FSO信道模型：研究人员采用多种统计模型描述湍流引起的闪烁，包括对数正态、Gamma-Gamma、Málaga、K和负指数模型，并分别给出光强概率密度函数，用于模拟不同强度湍流。

变链路距离性能分析：在10-190m范围内，接收光功率随距离增加而下降，天气衰减越大性能越差。最大接收功率在晴空下为2.93dBm，霾、雨、雾下分别降至-10.02、-11.00、-11.94和-13.97dBm（弱到强湍流）。光谱图显示随着距离增加噪声增大。

基于接收功率的性能分析：在1km链路下，SNR随湍流增强而降低，晴空下从31.97dB降至31.13dB，雾天下从24.89dB降至18.83dB；分析SNR与仿真值接近。接收功率低导致SNR下降，模式串扰也是主要限制。与已有研究相比，该方案在高速率下仍能保持较好接收功率。

使用LG模式的性能分析：随着LG模式阶数从LG_0,1增加到LG_0,4，光放大器增益分别约为14dB、12dB、11dB和10dB，高阶模式转换效率低、发散大，导致更高损耗。不同波长下接收信号在晴空比雾天高约25%。

跨工作波长的性能分析：在四种天气和湍流下，系统各波长维持最大接收功率约-15至-19dBm，优于多项已有研究。1km距离下星座图清晰，误码率和EVM随湍流增强而劣化，但弱-中湍流下可成功传输。

指向误差性能分析：在1km链路、OSNR阈值约7dB和BER 10^?3下，系统在晴空、对数正态和Gamma-Gamma模型下可容忍最大3.6μrad指向误差；在霾、雨、雾下阈值低于3μrad。Málaga和K模型下容忍度低于3μrad。随着指向误差增大，EVM和BER恶化。增大接收孔径从20cm到30cm可改善性能；光束发散从2.5mrad增至3.5mrad会降低OSNR并增加EVM。

使用SVR模型的性能分析：SVR线性核在晴、霾、雨、雾和弱/中/强湍流下均取得最佳预测效果。例如弱湍流下，晴空MSE为2.09dB²，R²为0.91，MAE为0.2dB，EVS为0.94；多项式