CN115632717A - 一种基于自注意力的非线性补偿方法 - Google Patents
一种基于自注意力的非线性补偿方法 Download PDFInfo
- Publication number
- CN115632717A CN115632717A CN202211220829.3A CN202211220829A CN115632717A CN 115632717 A CN115632717 A CN 115632717A CN 202211220829 A CN202211220829 A CN 202211220829A CN 115632717 A CN115632717 A CN 115632717A
- Authority
- CN
- China
- Prior art keywords
- signal
- self
- nonlinear
- attention
- matrixes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004891 communication Methods 0.000 claims abstract description 24
- 239000013307 optical fiber Substances 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 12
- 230000003287 optical effect Effects 0.000 abstract description 8
- 230000017105 transposition Effects 0.000 abstract description 5
- 238000010606 normalization Methods 0.000 abstract description 4
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000009022 nonlinear effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 229910052691 Erbium Inorganic materials 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/58—Compensation for non-linear transmitter output
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/60—Receivers
- H04B10/61—Coherent receivers
- H04B10/616—Details of the electronic signal processing in coherent optical receivers
- H04B10/6163—Compensation of non-linear effects in the fiber optic link, e.g. self-phase modulation [SPM], cross-phase modulation [XPM], four wave mixing [FWM]
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Nonlinear Science (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开的一种基于自注意力的非线性补偿方法,属于光通信技术领域。本发明将输入数据特征提取得到不同矩阵,通过矩阵并行计算的优势,实现对长输入序列的处理,长序列中包含更完整的信息,使非线性模型拟合的更好,提高非线性补偿能力;通过两个矩阵的转置相乘的计算方法,获得信号间的影响权重大小,符合OAM‑MDM光纤通信的实际要求,使预测的信号更准确,减低误码率;利用三个矩阵间进行不同的操作包括转置、归一化、相乘的方法,降低计算复杂度。本发明适用于通信等领域,采用矩阵间的并行操作,能处理大规模矩阵,不限制输入序列的长度,且并行计算能显著降低计算复杂度,提高补偿精度,降低误码率。
Description
技术领域
本发明涉及一种基于自注意力的非线性补偿方法,属于光通信技术领域。
背景技术
在光通信系统中,由于系统传输容量和传输速率的要求不断提高,因此在幅度、相位、频率等传统的调制方式之外,又出现了轨道角动量(OAM)模分复用(MDM)调制。 OAM-MDM光纤通信系统中会出现非线性效应影响传输结果,所以必须使用补偿算法降低影响,否则非线性效应将会导致误码率升高。
在OAM-MDM光纤通信系统中,系统的容量和距离被很多因素限制,其中之一就是非线性效应,尤其是器件非线性。器件非线性通常采用拟合信号输入输出的非线性模型进行均衡。OAM-MDM光纤通信系统比传统的光纤通信系统使用了更多的光电器件,这些光电器件具有多种非线性效应,不同的非线性效应之间会互相作用,对信号造成更大的损伤。从而使得OAM-MDM光纤通信系统信号的非线性模型更加复杂,复杂的非线性模型会增加均衡器进行非线性模型拟合时的复杂度。
针对光纤非线性的补偿方案,国内外研究人员也开展了各类研究,根据非线性效应的特性提出了多种非线性噪声模型和补偿算法,主要可以分为光域补偿抑制技术和电域补偿抑制技术两大类。其中,电域补偿抑制技术具有实现灵活、成本低等优点,通常在发送端采用数字信号预处理、在接受端采用数字信号处理技术,常用的处理技术有:基于沃尔泰拉级数的非线性补偿方法和基于卷积神经网络的非线性补偿方法等。
在基于沃尔泰拉级数的非线性补偿方法中随着级数的记忆深度不断增加,导致计算复杂度增加,使误码率提高,削弱了非线性补偿能力,所以一般只能用来处理长度较短的信号序列。而在基于卷积神经网络的非线性补偿方法中,是用同一权重的卷积核对信号进行特征提取。但是在实际OAM-MDM光纤通信系统中信号间的影响权重是不同的,这样使提取的特征具有较低的准确性,导致对信号不准确的分类结果,提高误码率,不利于对OAM-MDM光纤通信系统进行非线性补偿。并且这些传统的非线性补偿算法的计算复杂度较高,大大增加了非线性补偿时间,使效率降低。
发明内容
针对现有非线性补偿方法误码率高、特征提取准确率低、计算复杂的问题,本发明的主要目的是提出一种基于自注意力的非线性补偿方法,通过矩阵并行处理长序列信号降低复杂度,由矩阵计算得到信号间影响权重大小,达到准确预测信号、降低误码率的目的。
本发明的目的是通过以下技术方案实现的:
该方法利用Q、K、V三个矩阵进行计算,将带有非线性损伤信息的Q、K矩阵进行转置相乘,得到信号间的影响大小;由于是矩阵间的并行操作,能处理大规模矩阵,不会限制输入序列的长度,且并行计算大大降低了计算复杂度,提高补偿精度,降低误码率。
本发明公开的一种基于自注意力的非线性补偿方法,包括以下步骤:
步骤一、从OAM-MDM光纤通信中接收端得到受器件非线性影响的接收信号和发送端的初始发送信号。
步骤二、确定输入序列及标签。
2.1、确定输入序列
将步骤一中受到器件非线性影响的接收信号,以t位为一组作为自注意力非线性补偿方法的输入序列,即Input={x1,x2,……xt},其中x为接收端的信号。在基于沃尔泰拉的非线性补偿方法中只能处理短序列的信号,而本发明公开的基于自注意力的非线性补偿方法中t取长序列。
2.2、确定标签
将输入序列Input中最后一位xt所对应的OAM-MDM光纤通信中的发送信号作为自注意力非线性补偿方法的标签。
步骤三、将步骤二中得到的二维输入序列Input升到三维,使获得受器件非线性损伤后的信号更全面的信息;
用一个随机生成的Embedding(嵌入)矩阵,对步骤二中得到的二维输入序列Input进行升维,即非线性损伤信号升维后的三维矩阵A=Input*Embedding。
步骤四、对数据进行自注意力操作。
将步骤三升维后的数据A与三个随机初始化的训练参数相乘,得到含有非线性损伤信息的矩阵Q、K、V。将K的转置与Q相乘,得到前后信号对中间信号的影响权重,也就是每个信号之间的大小关系。将权重乘以V,最后得到对非线性损伤信号的拟合模型,然后预测输出。通过自注意力方法中对矩阵的操作,实现对信号的并行处理,捕获长距离依赖关系。
4.1、随机初始化三个矩阵Wq、Wk和Wv,大小和三维矩阵A相匹配;
4.2、将步骤三的A与三个初始化矩阵相乘,分别得到Q、K和V;
4.3、将Q与K的转置相乘再经过softmax(归一化)操作后得到不同信号的关系大小;最后再乘以V得到非线性补偿信号Z,即Z=softmax(Q*KT)*V。
在这个过程中由于是矩阵的并行操作,能处理大规模矩阵,不限制输入序列长度,所以和基于沃尔泰拉的非线性补偿方法相比,能实现长序列的操作;和基于卷积神经网络的非线性补偿方法相比,计算信号间影响并有更低的计算复杂度,通过求信号间的影响权重,更好的对信号进行模型拟合和预测,提高非线性补偿能力,降低误码率。
步骤五、对信号进行相应解码,实现准确预测信号、降低误码率的目的。
将步骤四得到的非线性补偿信号Z,进行和发送端编码相对应的解码,得到非线性补偿之后的二进制信号,实现准确预测信号、降低误码率的目的。
有益效果:
本发明提出的基于自注意力的非线性补偿方法,利用自注意力中矩阵的计算操作,在OAM-MDM光纤通信中更好的拟合非线性模型,使误码率降低,得到更好的非线性补偿。本发明较现有的非线性补偿方法主要有以下优点:
1、本发明公开的一种基于自注意力的非线性补偿方法,将输入数据特征提取得到不同矩阵,通过矩阵并行计算的优势,实现对长输入序列的处理,长序列中包含更完整的信息,使非线性模型拟合的更好,提高非线性补偿能力。
2、本发明公开的一种基于自注意力的非线性补偿方法,通过两个矩阵的转置相乘的计算方法,获得信号间的影响权重大小,符合OAM-MDM光纤通信的实际要求,使预测的信号更准确,得到的误码率更低。
3、本发明公开的一种基于自注意力的非线性补偿方法,利用三个矩阵间进行不同的操作包括转置、归一化、相乘的方法,降低非线性补偿计算复杂度。
附图说明
下面将通过参照附图详细描述本发明的示例性实施例,使本领域的普通技术人员更清楚本发明的上述及其它特征和优点,附图中:
图1为本发明公开的一种基于自注意力的非线性补偿方法流程图;
图2为本实施例公开的32Gb/s PAM8 OAM-MDM光纤通信系统实验装置;
图3为本实施例中不同接收光功率下,误码率的对比。
具体实施方式
下面将结合附图和实施例对本发明加以详细说明。同时也叙述了本发明技术方案解决的技术问题及有益效果,需要指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本实施例搭建32Gb/s PAM8 OAM-MDM光纤通信系统实验平台,实验装置如图2所示。在信号传输部分,比特数据由任意波形发生器(AWG)映射生成PAM8的信号,然后通过马赫曾德尔调制器(MZM)将信号调制到光载波上。在OAM复用部分,信号通过一个光耦合器(OC)被分成两个路径。在通过掺铒光纤放大器(EDFA)和偏振控制器 (PC)后,每个光束通过准直器(Col)和线性偏振(LP)被注入空间光调制器(SLM)。 SLM以不同的OAM模式调制光束,即拓扑电荷数|l|=3和|l|=4。然后,用一个偏振光束合成器(PBC)将|l|=3和|l|=4的两个OAM光束结合起来。之后,合并后的光束通过四分之一波板(QWP)转换为圆偏振,然后通过2.3公里的环形光纤(RCF)传输。在OAM解复用部分,传输的光束首先由分束器(BS)分离,然后通过具有相反拓扑电荷的涡旋相位板(VPP)解复用为高斯光束,然后耦合到单模光纤(SMF)。在信号接收部分,两个光束用EDFA放大,并通过光子探测器(PD)转换成电信号。经过重采样、定时恢复、低通滤波和自注意力非线性补偿方法,最后计算得出误码率。
由于系统中用到了一些有源光电器件,例如空间光调制器、马赫曾德尔调制器等,这些有源光电器件都具有各自的非线性,并且在系统中又相互影响产生非线性效应,提高了系统误码率,降低通信质量。采用本实施例公开一种基于自注意力的非线性补偿方法进行非线性补偿,具体方法如下:
步骤1、搭建32Gb/s PAM8 OAM-MDM光纤通信系统实验平台,从实验中获得系统发送端的发送信号和接收端受非线性损伤影响的接收信号。
步骤2、将步骤1中受器件非线性损伤的接收信号作为自注意力非线性补偿方法的输入数据,64位一组进行训练学习,每组最后一个信号对应的发送信号作为标签。和基于沃尔泰拉的非线性补偿方法相比基于自注意力非线性补偿方法能处理较长的信号序列。
步骤3、将步骤2中经过数据预处理后得到的二维输入数据,通过嵌入的方法增加数据维度到三维,获得受非线性损伤信号的更全面的信息;随机生成一个Embedding 矩阵,其大小为二维输入数据中的最大值加一,保证输入数据中每一个数据都有一个向量与其对应,就得到受非线性损伤信号升维后的三维矩阵。
步骤4、将嵌入后的三维数据与三个采用截断正态分布初始化的参数矩阵相乘,得到Q、K、V。然后将Q与KT相乘再通过softmax归一化,与基于卷积神经网络的非线性补偿方法相比,能得到信号间影响的权重大小,符合OAM-MDM光纤通信的实际要求。最后与V相乘得到非线性拟合模型和预测输出的非线性补偿后的信号Z,通过对矩阵的操作实现降低计算复杂度的目的。
步骤5、对Z进行解码。根据步骤4中得到的非线性补偿信号Z和步骤1的PAM8 OAM-MDM光纤通信系统中的发送信号均进行PAM8解码,之后计算误码率。与基于沃尔泰拉非线性补偿方法和基于卷积神经网络非线性补偿方法相比,误码率分别降低了 0.03和0.01。
图3展示了在|l|=3时,基于自注意力的非线性补偿方法和其他传统非线性补偿方法在OAM模式下不同接收光功率(ROP)的误码率比较。在测试中,选择40960个信号作为训练数据,每个输入序列的长为64。基于自注意力的非线性补偿方法和基于沃尔泰拉、卷积神经网络的非线性补偿方法相比有更好的结果,因为能计算出输入序列中信号间的影响大小,获得长距离的依赖关系,并得到更好的预测结果。当ROP为-2dBm 时,与基于沃尔泰拉非线性补偿方法和基于卷积神经网络非线性补偿方法相比,误码率分别降低了0.03和0.01。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于自注意力的非线性补偿方法,其特征在于:包括如下步骤,
步骤一、从OAM-MDM光纤通信中接收端得到受器件非线性影响的接收信号和发送端的初始发送信号;
步骤二、确定输入序列及标签;
步骤三、将步骤二中得到的二维输入序列Input升到三维,使获得受器件非线性损伤后的信号更全面的信息;
步骤四、对数据进行自注意力操作;
步骤五、对信号进行相应解码,实现准确预测信号、降低误码率的目的。
2.如权利要求1所述的一种基于自注意力的非线性补偿方法,其特征在于:步骤二的实现方法为,
2.1、确定输入序列
将步骤一中受到器件非线性影响的接收信号,以t位为一组作为自注意力非线性补偿方法的输入序列,即Input={x1,x2,……xt},其中x为接收端的信号;
2.2、确定标签
将输入序列Input中最后一位xt所对应的OAM-MDM光纤通信中的发送信号作为自注意力非线性补偿方法的标签。
3.如权利要求1所述的一种基于自注意力的非线性补偿方法,其特征在于:步骤三的实现方法为,
用一个随机生成的Embedding矩阵,对步骤二中得到的二维输入序列Input进行升维,即非线性损伤信号升维后的三维矩阵A=Input*Embedding。
4.如权利要求1所述的一种基于自注意力的非线性补偿方法,其特征在于:步骤四的实现方法为,
将步骤三升维后的数据A与三个随机初始化的训练参数相乘,得到含有非线性损伤信息的矩阵Q、K、V;将K的转置与Q相乘,得到前后信号对中间信号的影响权重,也就是每个信号之间的大小关系;将权重乘以V,最后得到对非线性损伤信号的拟合模型,然后预测输出;通过自注意力方法中对矩阵的操作,实现对信号的并行处理,捕获长距离依赖关系;
4.1、随机初始化三个矩阵Wq、Wk和Wv,大小和三维矩阵A相匹配;
4.2、将步骤三的A与三个初始化矩阵相乘,分别得到Q、K和V;
4.3、将Q与K的转置相乘再经过softmax操作后得到不同信号的关系大小;最后再乘以V得到非线性补偿信号Z,即Z=softmax(Q*KT)*V。
5.如权利要求1所述的一种基于自注意力的非线性补偿方法,其特征在于:步骤五的实现方法为,
将步骤四得到的非线性补偿信号Z,进行和发送端编码相对应的解码,得到非线性补偿之后的二进制信号,实现准确预测信号、降低误码率的目的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211220829.3A CN115632717A (zh) | 2022-10-08 | 2022-10-08 | 一种基于自注意力的非线性补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211220829.3A CN115632717A (zh) | 2022-10-08 | 2022-10-08 | 一种基于自注意力的非线性补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115632717A true CN115632717A (zh) | 2023-01-20 |
Family
ID=84904932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211220829.3A Pending CN115632717A (zh) | 2022-10-08 | 2022-10-08 | 一种基于自注意力的非线性补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115632717A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210248450A1 (en) * | 2020-02-07 | 2021-08-12 | Google Llc | Sorting attention neural networks |
CN113285758A (zh) * | 2021-05-18 | 2021-08-20 | 成都信息工程大学 | 一种基于ipca-dnn算法的光纤非线性均衡方法 |
CN114039670A (zh) * | 2021-10-18 | 2022-02-11 | 北京理工大学 | 一种模分复用通信系统非线性损伤补偿方法 |
-
2022
- 2022-10-08 CN CN202211220829.3A patent/CN115632717A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210248450A1 (en) * | 2020-02-07 | 2021-08-12 | Google Llc | Sorting attention neural networks |
CN113285758A (zh) * | 2021-05-18 | 2021-08-20 | 成都信息工程大学 | 一种基于ipca-dnn算法的光纤非线性均衡方法 |
CN114039670A (zh) * | 2021-10-18 | 2022-02-11 | 北京理工大学 | 一种模分复用通信系统非线性损伤补偿方法 |
Non-Patent Citations (1)
Title |
---|
王瑜浩;武保剑;万峰;文峰;: "少模光纤通信系统中模间非线性相位调制的补偿分析", 光学学报, no. 12, pages 1 - 5 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102916807B (zh) | 连续变量量子密钥分发系统的偏振补偿实现方法 | |
CN114039670B (zh) | 一种模分复用通信系统非线性损伤补偿方法 | |
CN103259597B (zh) | 非线性补偿装置、方法和发射机 | |
Redyuk et al. | Compensation of nonlinear impairments using inverse perturbation theory with reduced complexity | |
CN113285758B (zh) | 一种基于ipca-dnn算法的光纤非线性均衡方法 | |
CN103178900A (zh) | 基于支持向量机的相干光通信系统非线性损伤消除装置 | |
Chen et al. | Geometrically-shaped multi-dimensional modulation formats in coherent optical transmission systems | |
CN114285715B (zh) | 基于双向gru-条件随机场的非线性均衡方法 | |
Chen et al. | Physical layer data encryption using two-level constellation masking in 3D-CAP-PON | |
Song et al. | Physics-informed neural operator for fast and scalable optical fiber channel modelling in multi-span transmission | |
CN115632717A (zh) | 一种基于自注意力的非线性补偿方法 | |
Liu et al. | Nonlinear equalizer by feature engineering based-deep neural network for coherent optical communication system | |
CN112769497B (zh) | 对大容量高阶qam相干光进行非线性补偿的方法 | |
CN114124223A (zh) | 一种卷积神经网络光纤均衡器生成方法及系统 | |
CN114268433A (zh) | 高速连续变量量子密钥分发系统的非线性补偿方法 | |
CN116389287B (zh) | 一种模分复用通信系统的信道构建方法 | |
Piels et al. | Performance emulation and parameter estimation for nonlinear fibre-optic links | |
CN116032371B (zh) | 一种lcrf光纤传输系统的非线性补偿方法 | |
CN101406018B (zh) | M进制相移键控调制方法和系统 | |
Ren et al. | Transfer Learning Aided Optical Nonlinear Equalization Based Feature Engineering Neural Network | |
Mu et al. | Nonlinear Impairment Compensation Using Self-Attention Mechanism in OAM Mode Division Multiplexing Transmission | |
Ma et al. | Modeling of Multi-Core Fiber Channel Based on M-CGAN for High Capacity Fiber Optical Communication | |
Wang et al. | OAM mode division multiplexing based IM/DD transmission with CNN equalizer | |
CN116599598A (zh) | 一种用于模分复用通信系统的非线性损伤均衡方法 | |
Jiang et al. | OAM Mode Division Multiplexed Optical Fiber Communication System with CNN-dropout Equalizer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |