科研速递

　　上海交通大学电子工程系义理林教授课题组(LIFE，Laboratory of intelligent fiber ecosystem)提出了基于数据-模型混合驱动的光纤信道建模方案，首次实现了千公里多波长光纤通信信道的快速精准波形建模，运行时间相比传统分布傅里叶方法降低了98%。相关成果以“Fast and accurate waveform modeling of long-haul multi-channel optical fiber transmission using a hybrid model-data driven scheme”为题于2022年4月发表于国际光学期刊《Journal of Lightwave Technology》(early access)。博士生杨航为第一作者，义理林教授为通信作者。

研究背景

　　光纤信道建模对光纤通信系统的设计和优化具有重要意义，准确的光纤信道模型可以帮助理解非线性复杂特征、信号传输响应和光纤中的容量边界，以实现最佳的光纤通信系统结构设计。此外，快速准确的光纤信道建模可以帮助研究人员快速评估通信算法并进行性能预测，从而突破昂贵的仪器和设备所带来的实验条件限制，促进光纤通信领域的高效研究与发展。

　　传统的光纤信道波形建模主要是基于分步傅里叶法(SSFM)，这种方法将光纤划分为多段超短距离的光纤长度，针对每段长度进行线性与非线性特征建模，通过多步迭代运算以实现长距离光纤信道建模。对于典型的光纤通信场景，即长距离波分复用(WDM)光纤传输，其更高的采样率、更复杂的非线性特征导致建模复杂度急剧升高。在单一输入条件下，通过SSFM实现长距离WDM光纤通信建模需要几个小时。为了优化系统设计，需要通过调整系统参数进行多轮优化，这将需要长达数天的时间，严重限制了信道模型的广泛应用。因此进行快速、准确的长距离波分复用光纤通信信道波形建模至关重要。

研究路径

图 1 基于特征解耦的分布式光纤信道建模方案

　　在前期单波长建模研究工作中，LIFE课题组探究了人工智能技术对光纤信道特征建模的能力，验证了灵活且高度并行的神经网络(NN)结构使快速精确的信道建模成为可能。对于长距离WDM光纤信道场景，通过大量的尝试与研究，确定了利用人工智能技术进行WDM信道建模的主要挑战：(1)WDM信道中复杂的非线性效应，包括交叉相位调制和四波混频，对NN建模提出了更高的准确度要求;(2)较长的符号间记忆长度与较大的系统采样率，增大了NN结构的规模，这大大增加了模型的复杂度;(3)类比于实际的光纤链路场景，模型需要满足对不同条件的泛化，尤其是满足对不同距离的建模。

　　为此，LIFE课题组提出了基于特征解耦的分布式(Feature-decoupling distributed, FDD)建模方案。如图1所示，分布式建模是指将单个跨度(~80公里)的模型进行重复迭代，与真实的链路结构相同，实现任意跨度整数倍长度的光纤信道传输，将长距建模的任务拆分为单个短距离跨段的迭代运算，可以简化信道特性，使NN实现更加准确的建模。特征解耦操作将每个跨度的信道效应分为线性、非线性和随机噪声。其中线性特征采用模型驱动进行建模，即利用传统的色散建模方案实现整个跨段的直接建模，大幅度减少迭代次数;非线性特性利用数据驱动的NN实现建模，我们选择并设计了双向长短时记忆结构(BiLSTM)，该结构擅长处理具有时间记忆特性的数据，对于复杂的非线性特征建模具有更高准确度;随机噪声被视为加性噪声在每个跨段中最后进行添加。特征解耦可缩短非线性建模所需的时间相关性，避免了大量的迭代步骤，建模的复杂度被大大降低。此外，由于对线性特征的提取，非线性特征得到增强，从而提高了非线性建模的准确性。

研究成果

图 2 FDD 与 SSFM对于不同光纤信道场景的建模结果

　　针对不用的信道条件建模结果如图2所示，分别展示模型对不同通道数、功率、调制格式与传输距离的结果。其中图a中FDD的输出光谱与SSFM具有高度一致性，证明了FDD方案对不同通道数的建模能力;图b展示了不同发送功率信号经过信道传输后的时域波形，测试功率均未在训练数据集中出现，与SSFM相比，FDD的时域波形归一化平均方误差小于3.2E-3，验证了模型的功率泛化能力;图c中高度相似的星座图对比表示FDD方案可以实现广泛的调制格式泛化;图d证明了通过分布式迭代建模，模型可以实现传输距离的泛化。

　　验证了FDD模型的准确性与泛化能力后，我们进一步对比了不同模型的复杂度，统计了C-SSFM (固定步长)、NP-SSFM (变步长)与FDD-BiLSTM分别在GPU与CPU下的运行时间，不同步长的SSFM设置具有复杂度与准确度的折衷。如图3所示，在不同距离、不同的通道数下FDD-BiSTM的运行时间相比于两种SSFM模型均有大幅度降低。对于41通道的信号，通过C-SSFM的建模方案，在CPU上的运算时间超过了2小时，FDD-BiLSTM在相同条件下只需要3分钟，比SSFM方案实现了98%的复杂度优化。

图 3 FDD与SSFM在不同条件下的运行时间对比

　　FDD建模方案对WDM光纤通道中的信号演化进行了准确和快速的建模。这种建模方案可以加速推进非线性光纤信道容量的探究，促进光纤非线性研究的进展，有利于实现光纤通信系统的全局智能优化，突破昂贵的WDM系统设备的限制，提高科研生产效率。此外，此项工作从数据驱动和模型驱动相结合的角度，为非线性偏微分方程的快速数值求解提供了参考。

　　LIFE课题组一直致力于光纤通信系统的算法设计、系统架构设计以及智能化发展。目前，课题组深入研究基于人工智能方法的光纤信道建模、星座整形设计、非线性补偿算法以及端到端性能全局优化工作，开发基于Python的光纤通信系统智能仿真平台，为光传输领域持续发展贡献力量。该方向工作得到国家自然科学基金杰出青年基金(62025503)、科技部重点研发计划(2018YFB1800904)以及上海交通大学-华为先进光技术联合实验室的支持。

论文全文：https://ieeexplore.ieee.org/document/9760239 （early access） https://arxiv.org/abs/2201.05502