基于广义回归神经网络的CO-OFDM系统非线性均衡 |
| |
引用本文: | 吴金达,卢瑾,任宏亮,覃亚丽,郭淑琴,胡卫生.基于广义回归神经网络的CO-OFDM系统非线性均衡[J].光学学报,2018(9). |
| |
作者姓名: | 吴金达 卢瑾 任宏亮 覃亚丽 郭淑琴 胡卫生 |
| |
作者单位: | 浙江工业大学信息工程学院;上海交通大学区域光纤通信网与新型光通信系统国家重点实验室 |
| |
摘 要: | 针对高阶正交幅度调制和大线宽相干光正交频分复用(CO-OFDM)系统,提出了一种基于广义回归神经网络(GRNN)的非线性均衡算法。将接收端进行相位噪声恢复之后的批量数据作为训练数据样本,通过训练学习得到GRNN的唯一参数平滑因子,然后对测试数据进行非线性均衡。对传输速率为50Gb/s,传输距离为100km的CO-OFDM系统进行了仿真验证。仿真结果表明,在大线宽和高阶调制下,GRNN非线性均衡算法对系统非线性损伤的补偿效果优于相应反向传播神经网络(BPNN)非线性均衡算法,且其训练运行时间远小于BPNN。GRNN非线性均衡算法能极大促进CO-OFDM系统在中长距离光纤传输中的应用。
|
本文献已被 CNKI 等数据库收录! |
|