0 引言
       近年来，随着人工智能、云计算和大数据等技术的不断发展，网络流量不断激增，人们对网络接入带宽的需求不断提高[1-2]，对未来网络传输系统提出了高容量、异步传输和高频谱效率等要求。基于强度调制/直接检测（IMDD）的多载波调制技术具有成本低、抗多径效果好和宽带灵活可分等优点[3]，成为了光纤接入网的主要研究技术之一。而在新型的多载波调制技术中，通用滤波多载波（UFMC）技术结合了滤波器组多载波（FBMC）调制和正交频分复用（OFDM）的特性，是下一代通信系统主要的多载波调制方法，同时UFMC也是目前5G的候选波之一[4-6]。UFMC虽然有着旁瓣抑制比高、异步传输特性大、不需要循环前缀（CP）和带外功率泄漏较低等优点[6]，但是也存在一些缺点，如高峰值平均功率比（PAPR）的问题[7-9]。
　　由于UFMC中的高PAPR问题，IMDD-UMFC传输系统中的数模转换器/模数转换器（DAC/ADC）需要更高的量化位数来保证系统传输性能。然而，高分辨率DAC/ADC的使用会带来高功耗和高成本等问题[10]。因此，为降低系统成本，在IMDD-UFMC光纤传输系统中使用非均匀的量化方式来提高系统性能变得十分迫切。基于此，本文提出一种基于自组织映射（SOM）神经网络的非均匀的量化方案。

3 结束语
       针对IMDD-UFMC光传输系统中使用高分辨率DAC/ADC带来的高成本问题，本文提出了一种用于IMDD-UFMC光传输系统的SOM非均匀量化方案，该方案通过竞争机制进行非监督学习来最小化量化误差以提高系统性能，降低IMDD-UFMC光传输系统中DAC/ADC所需的分辨率。仿真结果表明：与均匀量化方案相比，SOM非均匀量化方案在不降低系统性能的情况下可以降低1 bit量化位数，甚至有些情况下还能至少提升1.7 dB的接收灵敏度。