基于深度学习的简化多信道并行光性能监测

摘要：

提出了一种基于信号光谱和多任务深度神经网络(MT-DNN)的多信道并行光性能监测(OPM)方案,采集多信道光谱图进行预处理来设计幅度直方图(Ahs),可实现波分复用(WDM)系统多信道调制格式识别(MFI)和光信噪比(OSNR)监测.在建立的3信道WDM相干光通信系统中,对由PDM-4QAM/16QAM/64QAM组合的10种调制格式的3信道信号实现了 MFI准确率为100％、OSNR监测的平均绝对误差(MAE)为0.16 dB的精准监测.为进一步研究所提OPM方案的性能以应对复杂的传输环境,提出了迁移学习辅助的多任务深度神经网络(TL-MT-DNN)用于多信道MFI和OSNR并行监测.结果表明,所提方案可移植性较好,还可节省大量样本和训练周期,其MFI准确率仍可达100％,3信道OSNR监测的MAE分别为0.24 dB、0.20 dB和0.19 dB.

关键词：机器视觉、光性能监测、波分复用、光信噪比、调制格式识别、迁移学习、多任务深度神经网络

所属期刊栏目：43

分类号：TN929.11

资助基金：国家自然科学基金;国家重点研发计划;湖北省重点研发计划;武汉市知识创新专项曙光计划项目

在线出版日期：2023-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：131-141