0 引言

　　随着数据流量的快速增长，提升通信系统传输速率和频谱效率的技术[1-5]成为学术界关注的热点[6-7]。在大气光通信领域，超奈奎斯特（FTN）[5]技术作为一种非正交传输技术，它通过压缩发送符号的时域/频域间隔，在一个符号周期内重叠发送多个数据，从而打破了奈奎斯特脉冲波形的正交性[10]，实现了在有限带宽内传输更多数据的目的，再配合高阶调制[8]和混合调制[9]等技术可以大幅提高系统的传输效率。但信号正交性的破坏会导致码间干扰（ISI）增加，使得接收端译码复杂度变高。为保证系统误码率不变，就必须投入更多的计算资源提高传输速率。另外，当大气光通信系统采用混合调制时，信号复杂度的上升会导致系统误码率下降，需要采用检测算法保障系统性能。

　　随着数字信号处理能力的提升，利用神经网络补偿FTN信号性能损失的检测方案逐渐进入人们的视野。近年的研究显示反向传播（BP）神经网络在提高通信系统性能上具有巨大潜力[11]，特别是在信号检测和译码算法方面，神经网络优化方案引起了广泛的关注[12-13]。本文设计一套采用脉冲位置调制（PPM）和正交相移键控（QPSK）混合调制的FTN大气光通信系统，并利用BP神经网络实现接收端的信号检测。

4 结束语

　　本文将BP神经网络引入混合调制的FTN大气光通信系统，能有效提升系统误码性能。相比MLSE检测所需的匹配滤波器、均衡和判决等，BP神经网络辅助检测可替代传统接收机的整个基带部分，提高了FTN接收机的集成度。随着BP神经网络的发展和信号处理芯片技术的进步，BP神经网络技术的优势将变得越来越明显。