基于CNN-BiLSTM-Attention模型的光纤非线性损伤补偿算法
克尔效应和色散对相干光纤通信系统的传输距离和数据容量有极大限制。为了补偿光纤传输中的非线性损伤,结合卷积神经网络(convolutional neural network,CNN)、双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)和注意力机制(attention)的特点,提出了一种基于CNN-BiLSTM-Attention模型的光纤非线性损伤补偿算法,并在DP-16QAM 30Gbaud的相干光通信系统中进行了仿真。仿真结果表明,与CNN-BiLSTM模型相比,在1200 km的传输距离下,该算法以降低0.03~0.23 dB的Q因子为代价,使复杂度降低了约31.6%;在相似复杂度下,该算法在最佳传输功率下的Q因子提高了0.43 dB。