[论文解读] Geometric Constellation Shaping for Fiber Optic Communication Systems via End-to-end Learning

Rasmus T. Jones, Tobias A. Eriksson+5 more|arXiv (Cornell University)|Oct 1, 2018

Optical Network Technologies被引用 14

一句话总结

本文提出了一种端到端可微分的机器学习框架，采用带有可微光纤信道模型的自编码器，以优化光纤通信系统的几何星座图。通过在非线性干扰（NLIN）模型上进行训练，该方法联合学习对放大噪声和光纤非线性均具有鲁棒性的星座图，在仿真中实现最高达0.13 bit/4D的频谱效率增益，实验中实现0.12 bit/4D的增益，优于传统的IPM形状星座图和基于GN模型训练的星座图。

ABSTRACT

In this paper, an unsupervised machine learning method for geometric constellation shaping is investigated. By embedding a differentiable fiber channel model within two neural networks, the learning algorithm is optimizing for a geometric constellation shape. The learned constellations yield improved performance to state-of-the-art geometrically shaped constellations, and include an implicit trade-off between amplification noise and nonlinear effects. Further, the method allows joint optimization of system parameters, such as the optimal launch power, simultaneously with the constellation shape. An experimental demonstration validates the findings. Improved performances are reported, up to 0.13 bit/4D in simulation and experimentally up to 0.12 bit/4D.

研究动机与目标

• 解决高容量光通信系统中放大噪声与光纤非线性之间的权衡问题。
• 开发一种基于机器学习的方法，联合优化星座图形状与发射功率等系统参数。
• 实现对加性白高斯噪声和信号相关非线性损伤均具有鲁棒性的无监督几何星座图学习。
• 通过实验验证所学星座图的性能，并与最先进的整形星座图进行比较。
• 研究模型保真度与数字信号处理挑战对所学星座图在真实场景中部署的影响。

提出的方法

• 采用自编码器架构，包含可微的编码器与解码器，通过端到端训练以最小化重建误差。
• 嵌入自编码器中的信道模型具有可微性，同时包含放大自发辐射（ASE）噪声与非线性干扰（NLIN）效应。
• NLIN模型捕捉了非线性失真对所传输星座图高阶矩的依赖关系。
• 编码器学习一种几何星座图形状，以最小化ASE与NLIN的综合影响，从而隐式实现对噪声鲁棒性与非线性抑制的权衡优化。
• 通过在可微信道模型中反向传播，联合优化发射功率等系统参数。
• 该方法在NLIN模型上进行训练，以优先降低非线性失真，性能与在高斯噪声（GN）模型上训练的方法及标准IPM基星座图进行比较。

实验结果

研究问题

• RQ1 端到端可微分自编码器框架能否学习到对放大噪声与光纤非线性均具有联合鲁棒性的几何星座图？
• RQ2 通过NLIN模型训练所学习的星座图相较于传统IPM形状星座图与GN模型训练的星座图，其可实现的频谱效率增益是多少？
• RQ3 在非线性光纤信道中，星座图形状与发射功率的联合优化如何影响系统性能？
• RQ4 模拟信道模型与真实实验系统之间的模型差异在多大程度上会降低所学星座图的性能？
• RQ5 在无监督深度学习所学星座图中，当对称性被打破时，其恢复所面临的数字信号处理挑战是什么？

主要发现

• 通过NLIN模型训练所学的星座图在仿真中相较最先进的IPM形状星座图，频谱效率最高提升0.13 bit/4D。
• 实验结果表明，所学星座图相较传统IPM形状星座图，频谱效率最高提升0.12 bit/4D，证明了其实际可行性。
• 在更高发射功率下，所学星座图表现出更低的高阶矩，表明对非线性损伤具有有效抑制。
• 该方法实现了星座图形状与发射功率的联合优化，提升了在不同传输条件下的系统鲁棒性。
• 实验结果证实，所学星座图性能与IPM基星座图相当，但模型保真度与DSP挑战仍是主要问题。
• 传统DSP算法在处理非标准星座图时面临困难，需依赖导频辅助或盲方法进行频率偏移与相位估计。