0引言

    为了低成本实现高速短距离光通信系统[1-3]容量升级，基于带限光电器件及直接调制激光器（DML）的强度调制直接检测（IMDD）传输技术被认为是当前短距离光通信系统中的优选方案[4-6]。然而，在该系统中，光电器件的带宽限制、光纤色散及DML啁啾等因素导致的线性串扰及非线性畸变将严重影响系统的传输性能[7-8]。为此，研究高效能的信道均衡算法以提升高速DML-IMDD系统性能是当前低成本短距离光通信领域中的研究热点之一。

    深度学习算法因其强大的功能被广泛用于处理光通信系统中存在的问题，特别是基于不同网络结构对接收端信号的损伤进行补偿的方案备受关注[9-14]。神经网络（NN）具有较好的非线性拟合能力，为实现DML-IMDD系统中的非线性失真的补偿提供了可能。文献[9]提出采用NN补偿65 GBaud正交幅度调制（QAM）光纤传输系统中因波长选择开关造成的光学滤波损伤。文献[10]在212 Gb/s IMDD四电平脉冲幅度调制（PAM4）系统中，提出并验证了基于长短期记忆人工NN的非线性系统的拟合能力，用于提升系统性能。除此之外，在IMDD系统中，文献[11]和文献[12]分半采用卷积NN和前馈NN来消除信号传输过程中的非线性损伤；与传统基于Volterra级数的非线性均衡器（VNLE）相比，两者在色散补偿链路[13]和收发机带宽限制[14]的传输场景中的灵敏度均有提高。然而，以上方案需要的训练序列过长，计算复杂度过高，难以在对成本敏感的短距离光通信系统中部署。

    由于深度神经网络（DNN）具备较强的非线性拟合功能，近几年被引入到长距离光纤通信传输系统中用于提升系统传输特性[15]。DNN能够为光通信领域的分类问题提供一个高精度的解决方案，通过将几个分类器串联起来，以经过光纤传输后的接收端信号作为特征、发送端对应的原始信号作为标签训练DNN均衡器，从而实现对高阶调制信号的分类和识别。但是，DNN均衡器因其具有复杂的结构和庞大的计算量，难以应用在低成本光电设备的带限DML-IMDD系统。如何在充分利用DNN强大均衡能力的同时简化DNN均衡器成为了当前的研究热点。为此，本文提出一种有效的DNN均衡器简化方案。

3 结束语

    本文提出了适用于带限DML-IMDD系统中的DNN均衡器简化方案，并在仿真系统中对各均衡器的性能进行了比较和讨论分析。仿真结果表明：在80 Gb/s PAM4信号传输中，DNN均衡器简化方案不仅能够补偿高速DML-IMDD系统中严重的非线性损伤，实现比传统均衡方案更加有效的均衡性能，还能减少了连接冗余，缓解全连接DNN均衡器存在的训练开销大、占用内存大以及计算复杂等问题，易于在带宽限制的低成本高速DML-IMDD链路中进行实际部署。