[論文レビュー] Control and Detection of Discrete Spectral Amplitudes in Nonlinear Fourier Spectrum

Vahid Aref|arXiv (Cornell University)|May 18, 2016

Nonlinear Waves and Solitons参考文献 12被引用数 53

ひとこと要約

本稿では、ソリトンパルスの離散スペクトル振幅を高精度に推定できる、非線形フーリエ変換（NFT）を計算するための新規な前向き・後向き数値アルゴリズムを提案する。信号を前向きと後向きの部分に分割し、台形則離散化NFTカーネルを用いることで、低サンプリングレート（N=32）でも離散スペクトル振幅推定において0.01%未満の誤差を達成し、Crank-Nicolson や Ablowitz-Ladik といった標準的手法を著しく上回る性能を発揮する。

ABSTRACT

Nonlinear Fourier division Multiplexing (NFDM) can be realized from modulating the discrete nonlinear spectrum of an $N$-solitary waveform. To generate an $N$-solitary waveform from desired discrete spectrum (eigenvalue and discrete spectral amplitudes), we use the Darboux Transform. We explain how to the norming factors must be set in order to have the desired discrete spectrum. To derive these norming factors, we study the evolution of nonlinear spectrum by adding a new eigenvalue and its spectral amplitude. We further simplify the Darboux transform algorithm. We propose a novel algorithm (to the best of our knowledge) to numerically compute the nonlinear Fourier Transform (NFT) of a given pulse. The NFT algorithm, called forward-backward method, is based on splitting the signal into two parts and computing the nonlinear spectrum of each part from boundary ($\pm\infty$) inward. The nonlinear spectrum (discrete and continuous) derived from efficiently combining both parts has a promising numerical precision. This method can use any of one-step discretization NFT methods, e.g. Crank-Nicolson, as an NFT kernel for the forward or backward part. Using trapezoid rule of integral, we use an NFT kernel (we called here Trapezoid discretization NFT) in forward-backward method which results discrete spectral amplitudes with a very good numerical precision. These algorithms, forward-backward method and Darboux transform, are used in [1],[2] for design and detection of phase-modulated 2-soliton pulses, and more recently, in [3] for design and detection of more complex pulses with 7 eigenvalues and modulation of spectral phase. For those soliton pulses, the discrete spectral amplitudes (in particular, phase) of both eigenvalues are quite precisely estimated using the forward-backward method.

研究の動機と目的

• ソリトンパルスの離散非線形フーリエスペクトルを数値的に安定かつ高精度に計算する手法の開発。
• 非線形フーリエ分割多重（NFDM）システムにおける離散スペクトル振幅の正確な制御および検出を可能にする。
• 特に低サンプリングレート信号におけるNFT計算の数値精度を向上させること。
• 所望の固有値および振幅を持つNソリトン波形を生成するためのダーブォックス変換の簡素化。

提案手法

• 前向き・後向き法は信号を二つのセグメントに分割する：一方は+∞から中央点まで、もう一方は-∞から中央点まで、両者とも内向きに進むように変換を実行する。
• 各セグメントは1ステップのNFTカーネルを用いる。特に、高精度を実現するため、台形則離散化NFT（Trapezoid discretization NFT）を採用する。
• 非線形スペクトルは、前向きおよび後向きの解を組み合わせることで再構成され、Zakharov-Shabat系におけるワロンスキー行列式および散乱行列形式を活用する。
• Nソリトン波形の生成にはダーブォックス変換が用いられ、固有値を逐次的に追加し、ノーマライゼーション因子を設定することで、所望の離散スペクトル振幅を達成する。
• スペクトル振幅は、正規化解のワロンスキー行列式を用いて計算され、散乱データの導関数は再帰的更新行列によって推定される。
• 数値誤差を最小化するため、最適な分割点（m = N/2）が選択され、散乱パラメータの誤差に影響を与える行列要素の指数的増加・減衰に起因する。

実験結果

リサーチクエスチョン

• RQ1 低サンプリングレートでも、ソリトンパルスの離散スペクトル振幅をどのように高精度に計算できるか？
• RQ2 NFT計算において信号をどのように分割すれば誤差蓄積を最小化できるか？
• RQ3 Nソリトン波形における所望の離散スペクトル振幅を達成するために、ダーブォックス変換のノーマライゼーション因子をどのように設定すべきか？
• RQ4 Crank-Nicolson や Ablowitz-Ladik といった標準的一次ステップ法に比べ、前向き・後向きNFTアルゴリズムはスペクトル振幅推定で優れた性能を示せるか？
• RQ5 台形則離散化は、ソリトンパルスに対する非線形フーリエ変換の精度をどのように向上させるか？

主な発見

• 前向き・後向き法はN=32でも離散スペクトル振幅推定において0.01%未満の誤差を達成し、λ=0.5jの振幅は正確値3.00に対して3.01、λ=1jの振幅は正確値-6.00に対して-5.991と推定される。
• N=64の場合、前向き・後向き法はQ_d(λ=0.5j)を2.94と推定し、正確値3.00に近く、他の手法（ALやCN）は顕著なずれ（それぞれ1.15および8.3e-3）を示す。
• 異なる固有値に対しても本手法は高精度を維持する：λ=1jの場合、前向き・後向き法はN=64でQ_dを-6.292と推定し、正確値-6.00に近く、一方ALやCNはそれぞれ-197.1および15.46を示す。
• 図2b-dに示すように、前向き・後向き法を用いたψ(t;λ)の数値推定はN=64でも正確解に非常に近い結果を示し、時間的散乱方程式の解法における高い忠実性を示している。
• 最適な分割点m=N/2は、|G_{n,21}|と|G_{n,12}|の増大をバランスさせることで誤差を最小化する。これらはηおよびtに対して指数的敏感である。
• 前向き・後向き法で用いられる台形則離散化NFTカーネルは、Crank-NicolsonおよびAblowitz-Ladik手法に比べ、離散スペクトル振幅の計算において優れた精度を発揮する。