[论文解读] Noise Models in the Nonlinear Spectral Domain for Optical Fibre Communications

Qun Zhang, Terence Chan|arXiv (Cornell University)|Feb 21, 2017

Optical Network Technologies参考文献 33被引用 4

一句话总结

本文提出了光学光纤通信中 $N$-孤子谱振幅的首个解析噪声模型，利用非线性傅里叶变换在不依赖高斯近似的情况下建模噪声效应。该模型推导出在 Gordon-Haus 效应下谱振幅的精确统计特性，使能够开展新的信息论分析，并通过利用超越本征值的振幅自由度实现容量增益。

ABSTRACT

Existing works on building a soliton transmission system only encode information using the imaginary part of the eigenvalue, which fails to make full use of the signal degree-of-freedoms. Motivated by this observation, we make the first step of encoding information using (discrete) spectral amplitudes by proposing analytical noise models for the spectral amplitudes of $N$-solitons ($N\geq 1$). To our best knowledge, this is the first work in building an analytical noise model for spectral amplitudes, which leads to many interesting information theoretic questions, such as channel capacity analysis, and has a potential of increasing the transmission rate. The noise statistics of the spectral amplitude of a soliton are also obtained without the Gaussian approximation.

研究动机与目标

• 解决基于孤子的光学光纤通信系统中谱振幅自由度未被充分利用的问题。
• 为 $N$-孤子的谱振幅开发一个在先前工作中缺失的解析噪声模型。
• 在不依赖高斯近似的情况下，提供谱振幅的精确噪声统计。
• 实现对非线性谱域信道的信息论分析，包括信道容量和复 multiplexing 增益。
• 为通过同时编码本征值和谱振幅实现更高频谱效率奠定基础。

提出的方法

• 将包含放大自发辐射（ASE）噪声的归一化随机非线性薛定谔方程（SNLSE）建模为复白高斯过程。
• 应用非线性傅里叶变换（NFT）将时域信号映射到谱域，识别本征值和谱振幅作为信号自由度。
• 使用直接散射变换（DST）推导噪声作用下谱分量的演化，重点关注 $N$-孤子的振幅动力学。
• 采用 Itô 微积分和随机微分方程建模 ASE 噪声引起的谱振幅扰动，避免高斯近似。
• 通过求解涉及噪声场和散射数据的随机积分，推导出谱振幅过程的二阶矩的精确表达式。
• 利用引理 1 和对称性论证，简化涉及谱分量与噪声项乘积的期望，从而获得噪声统计的闭式表达式。

实验结果

研究问题

• RQ1 能否为光学光纤链路中 $N$-孤子的谱振幅构建一个解析噪声模型？
• RQ2 在 ASE 噪声影响下，谱振幅的精确统计特性是什么，且不依赖高斯近似？
• RQ3 在光纤非线性和色散存在的情况下，谱振幅如何在 Gordon-Haus 效应下演化？
• RQ4 谱振幅噪声对基于非线性傅里叶模式的通信系统的可靠性与容量有何影响？
• RQ5 谱振幅能否作为额外的调制自由度使用，其在噪声信道中的统计行为如何？

主要发现

• 本文首次提出无高斯近似下 $N$-孤子谱振幅的解析噪声模型。
• 推导出谱振幅过程的精确二阶矩，显示出对光纤长度 $ \frak{L} $、噪声功率 $ \rho^2 $ 和初始条件的非平凡依赖关系。
• 期望 $ \text{E}[ \boldsymbol{\nu}_I(w)^2 ] $ 对谱振幅的方差有贡献，且高阶噪声项存在非零贡献。
• 在对称性和零均值假设下，交叉矩如 $ \text{E}[ \boldsymbol{\nu}_I(s) \boldsymbol{\nu}_I(t) \boldsymbol{\nu}_I(w) ] $ 消失，从而简化分析。
• 最终表达式显示交叉项 $ \text{E}[ \boldsymbol{\nu}_I(s) \boldsymbol{\nu}_I(t) \boldsymbol{\nu}_I(w) ] $ 为零，这是由于独立性和零均值性质。
• 推导出的噪声统计包含与 $ \frac{5}{288} \rho^4 \frak{L}^4 \beta(0) $ 和 $ \frac{7}{2880} \rho^6 \frak{L}^5 $ 成比例的项，表明其具有非高斯、非线性的长度和功率依赖关系。