光ファイバ伝送における光学非線形波形歪みのディジタル信号処理による補償

使用数字信号处理补偿光纤传输中的光学非线性波形失真

基本信息

批准号：
20K05367
负责人：
中村守里也
金额：
$ 2.83万
依托单位：
Meiji University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

機械学習アルゴリズムによる非線形イコライザの高性能化・高機能化について、昨年度に引き続き大きな研究の前進があった。まず、ニューラルネットワークを用いた非線形イコライザについては、４層以上のディープニューラルネットワークを用いた場合の特性を明らかにした。４層の場合、３層に比べ学習の収束が速くなる傾向が見えていたが、過学習が強く表れる場合があった。この過学習には、学習に用いるデータのパターンを記憶してしまうものだけではなく、ニューロンユニットの非線形性によって雑音を抑圧し、見かけ上、非線形補償後のEVMを小さくしてしまうことがあることを明らかにした。しかしこの場合、BERは逆に悪化する場合がある。現在、正則化等の手法を用いて過学習を抑え、特性を改善できる見込みを得ており、一部、国内において発表を行った。また、用いるニューラルネットワークとして、これまで順伝搬型のものを研究対象としていたが、相互結合型のものを用いたリザーバコンピューティングを利用し、非線形補償を行う方式についても検討を進めた。特に、これまで検討されていなかった複素ニューロンユニットを用いた複素リザーバコンピューティングを非線形イコライザとして用い、従来型のものに比べて計算量を大きく削減できることを明らかにした。この複素リザーバコンピューティングを用いた場合の非線形イコライザの特性をさらに明らかにすべく、研究を加速させており、2023年度中にさらに多くの成果を出せる見込みである。

继去年之后，利用机器学习算法提高非线性均衡器的性能和功能方面取得了重大研究进展。首先，关于使用神经网络的非线性均衡器，我们阐明了使用具有四层或更多层的深度神经网络时的特征。在 4 层的情况下，学习有比 3 层收敛得更快的趋势，但有时会出现严重的过拟合。这种过拟合不仅是由于记忆用于学习的数据模式造成的，而且还由于神经元单元的非线性而抑制了噪声，使得非线性补偿后的EVM显得更小。然而，在这种情况下，BER 实际上可能会恶化。目前，人们期望可以通过正则化等方法来抑制过拟合并改善特性，并且在日本已经进行了一些演示。此外，虽然我们到目前为止专注于前向传播神经网络，但我们也在研究一种使用互耦合神经网络进行储层计算的非线性补偿方法。特别是，我们证明了迄今为止尚未研究过的使用复杂神经元单元的复杂储层计算可以用作非线性均衡器，并且与传统的计算量相比可以显着减少计算量。我们正在加速研究，以进一步阐明非线性均衡器在使用复杂存储计算时的特性，预计到 2023 年底将产生更多结果。