联合四通道波分复用双偏振自编码器框架：长距离相干光传输中基于统一残差卷积神经网络的高性能联合优化方案

《Photonics》：Joint Multi-Channel Dual-Polarization Autoencoder for Scalable End-to-End Long-Haul Optical Transmission

　　

摘要

本文提出了一种联合四通道波分复用（WDM）双偏振自编码器（J-4WDM-DPAE）框架，以解决现有长距离相干光传输端到端学习架构的扩展性限制。所提出的方法采用统一的单维度残差卷积神经网络（CNN）解码器，在符号速率下处理所有八路复数符号流（4路WDM信道×2偏振），从而在低推理延迟的同时利用信道间和偏振间的相关性。该收发器通过完全可微分的双偏振Manakov分步傅里叶方法（SSFM）模型进行训练，该模型包含逐跨放大自发辐射（ASE）噪声以及有效的发射端–本振合并相位噪声过程，使得共享的几何星座整形（GCS）编码器能够在真实的非线性和线宽约束下进行协同优化。训练过程中的随机发射功率和信噪比（SNR）条件进一步增强了鲁棒性。此外，通过跨每符号采样数（SPS）评估（SSFM分辨率不匹配）和SSFM收敛性检验对额外鲁棒性进行了评估，表明所报告的可实现速率趋势并非基线SSFM离散化的伪像。在标准单模光纤（SSMF）上对16、32和64正交幅度调制（QAM）进行评估表明，在1000公里处，学习得到的星座的广义互信息接近双偏振极限，且前向纠错前（pre-FEC）误码率在上限4000公里处仍低于所采用的阈值 （用作代表性的软判决FEC操作目标），前提是模型针对每个距离重新训练。复杂度分析进一步表明，在匹配链路条件下，该统一的WDM感知解码器相较于现有对应方法提供了定量的性能–计算权衡。