[論文レビュー] Successive Eigenvalue Removal for Multi-Soliton Spectral Amplitude Estimation

Alexander Span, Vahid Aref+2 more|arXiv (Cornell University)|Apr 6, 2020

Optical Network Technologies参考文献 36被引用数 7

ひとこと要約

本稿では、多重ソリトン光通信システムにおけるスペクトルアモニチュード推定の向上を目的として、逐次固有値除去（SER）アルゴリズムを提案する。ダーボウ変換を用いて反復的に固有値を除去することで、パルス長および帯域幅を短縮し、計算複雑度を最大50％まで低減するが、同時に従来のNFT手法と同等の精度を維持する。

ABSTRACT

Optical nonlinear Fourier transform-based communication systems require an accurate estimation of a signal's nonlinear spectrum, computed usually by piecewise approximation methods on the signal samples. We propose an algorithm, named successive eigenvalue removal, to improve the spectrum estimation of a multi-soliton pulse. It exploits a property of the Darboux transform that allows removing eigenvalues from the nonlinear spectrum. This results in a smaller pulse duration and smaller bandwidth. The spectral coefficients are estimated successively after removing the eigenvalues of a signal. As a beneficial application, we show that the algorithm decreases the computational complexity by iteratively reducing the pulse duration.

研究の動機と目的

• 光ファイバー通信における多重ソリトン信号の前方非線形フーリエ変換（NFT）の高い計算複雑度に対処すること。
• 非線形スペクトル計算におけるスペクトルアモニチュード推定の精度を向上させるとともに、数値サンプリングの必要数を削減すること。
• ダーボウ変換の固有値除去特性を活用し、反復的にパルス構造を単純化すること。
• 逐次的固有値除去が、顕著な複雑度低減を実現しつつ、精度の損失を最小限に抑えることができることを示すこと。
• 従来手法と比較して、逐次的推定プロセスにおける誤差伝搬に対して高いロバスト性を示すこと。

提案手法

• SERアルゴリズムは、ダーボウ変換を用いて1つの固有値ずつ除去することで、逐次的にスペクトルアモニチュードを推定する。
• 各固有値除去後、パルス長および帯域幅が短縮され、これにより以降のNFT計算が単純化される。
• ダーボウ変換はスペクトルアモニチュードa(λ)を変更しながらも、b(λ)の値を保存するため、制御された固有値除去が可能になる。
• アルゴリズムは事前に定義された固有値除去順序を使用しており、これはファスト相関（FC）法による粗い推定などから導出可能である。
• 各除去処理後に、標準的な数値手法（例えば、ザハロフ＝シャバト系の区分的近似）を用いて修正されたパルスに対して前方NFTを適用する。
• 本手法は、既存のあらゆるNFTアルゴリズムと互換性があり、有効なパルス長を短くすることでそれらの性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 ダーボウ変換による固有値除去は、多重ソリトン信号の前方NFTの計算複雑度を低減できるか？
• RQ2 ノイズ環境下におけるSERアルゴリズムの精度は、従来のNFT手法と比べてどのように異なるか？
• RQ3 古典的NFT手法におけるパルス切り捨ては、性能にどの程度の影響を及ぼすか？また、SERはその影響をどのように軽減するか？
• RQ4 初期固有値位置の推定誤差に対して、SERアルゴリズムはロバストか？
• RQ5 SERアプローチは、必要な信号サンプル数を削減しつつも、高いスペクトルアモニチュード推定精度を維持できるか？

主な発見

• 同じサンプル数を用いた場合、SERアルゴリズムは従来のNFT手法と比較して、計算複雑度を約50％低減する。
• SERアルゴリズムは、位相推定誤差分散を古典的手法と同等の水準に維持しており、30 dB SNRでVar(ϕ̂k − ϕk) < 10−3を達成する。
• 古典的手法ではパルス切り捨てが推定誤差を急激に増大させるが、SERは反復的なパルス構造の単純化によりこれを緩和する。
• 古典的手法をSERで使用された切り捨てレベルと同一に適用した場合、性能は著しく劣化するが、SERは高い精度を維持する。
• SERアルゴリズムは、初期固有値推定が粗くてもロバストであり、信号の段階的単純化により誤差伝搬が最小限に抑えられる。
• 本手法により、非線形スペクトル成分を短い時間サポートに集中させることで、NFT計算の効率が向上し、各イテレーションにおける必要なサンプル数が削減される。