|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ПсковГУ |
||
Эффективные алгоритмы компенсации нелинейных искажений с применением машинного обучения для телекоммуникационных системстатья
Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАКСтатья опубликована в журнале из списка Web of Science и/или Scopus
- Авторы: Редюк А.А., Шевелев Е.И., Сидельников О.С., Данилко В.Р., Базаров Т.О., Сенько М.А., Самоделкин Л.А., Наний О.Е., Трещиков В.Н.
- Журнал: Квантовая электроника
- Том: 55
- Номер: 10
- Год издания: 2025
- Издательство: Федеральное государственное бюджетное учреждение науки Физический институт им. П.Н. Лебедева Российской академии наук
- Местоположение издательства: Москва
- Аннотация: Компенсация нелинейных искажений сигнала остаётся одной из ключевых задач для обеспечения высокой пропускной способности и увеличения дальности современных волоконно-оптических систем связи. Нелинейные эффекты существенно ограничивают качество передачи данных, особенно при росте мощности сигнала и распространении на большие расстояния. В связи с этим разработка точных, устойчивых и вычислительно эффективных методов компенсации, включающих современные подходы машинного обучения, приобретает особую актуальность в оптической телекоммуникационной инженерии. В статье представлен сравнительный анализ эффективных алгоритмов компенсации нелинейных искажений в волоконно-оптических системах связи с применением методов машинного обучения. Рассмотрены модификации классического метода цифрового обратного распространения (DBP) – обучаемый DBP (LDBP), улучшенный DBP (EnDBP), модель на основе теории возмущений PBM, гибридная схема PB-DBP и подход с использованием свёрточных нейронных сетей CNN. На основе экспериментальных данных с лабораторного макета оптической линии передачи длиной 2000 км показаны возможности обучения параметров и проведено сравнение эффективности методов по точности компенсации и вычислительной сложности. Реализованные методы демонстрируют значительный прирост отношения сигнал/шум и позволяют оптимизировать баланс между точностью и нагрузкой на модуль цифровой обработки сигнала.