基于机器学习的相干光通信系统传输性能评估

Abstract

针对传统相干光通信系统中光纤链路传输性能评估方法理论计算复杂且计算时间较长的问题，文章采用机器学习技术对调制格式和输入光功率等参数各异信道的相干光传输系统传输性能进行关联式建模和精确评估。建模和评估结果表明，该机器学习模型能够代替复杂的理论计算，并且能够较为准确地给出预测值，理论计算值与模型预测Q值整体的平均误差为0.27 dB，理论计算值与模型预测光信噪比（OSNR）值整体的平均误差为0.33 dB；采用机器学习模型的计算时间稳定在4.4 s左右，而采用理论计算的时间随着干扰信道个数的增加计算时间逐渐增加。

Keywords

• 机器学习;相干光通信;传输性能评估