2025年2月JLT光通信论文评析

4/15/2025，光纤在线讯，光纤在线特约编辑，邵宇丰，王安蓉，张颜鹭，张旭，许占夺，向泓劲，匡富豪，贾岚斯，隆茜，崔梦琦。

        2025年2月出版的JLT主要刊登了以下一些方向的文章，包括：光电信号复用、概率整形技术、压缩光处理、模式色散、超短脉冲传输模型、光互连系统等，笔者将逐一评析。

1、光电信号复用
        日本NTT公司网络创新实验室的Hiroshi Yamazaki等研究人员设计了应用多数字模拟转换器（DAC）和频谱图像叠加的方案以克服DAC的工作带宽受限影响，如图1所示[1]。他们采用电信号与域中频辅助复用（IFI-MUX）技术（如应用InP HBT模拟复用器（AMUX））实现了100 GHz的工作带宽，并在强度调制直接检测（IM-DD）系统中达到了538.8 Gbps/λ的传输速率；结合硅锗 DAC与基带复用（BB-MUX）技术，实现了数字相干系统中2.42 Tbps/λ的传输速率；还采用光学复用技术（如OAWG）进一步完成了2.5 Tbps/λ以上传输速率信号的生成。研究结果表明：应用光电信号复用技术通过数字预处理与模拟组件协同，可显著拓展信号工作带宽，如果上述方式与IQ调制器结合可实现160.7GBaud符号速率的1.64Tbps信号传输。综上所述，上述研究工作研究的实施尽管可能面临器件集成和时钟同步的挑战，但多路光电信号复用技术为新型光信号发射机的制备提供了参考借鉴。


图1 发射机的带宽扩展过程：(a)数字相干信号生成；(b)电信号域带宽扩展； (c)光信号域带宽扩展

2、概率整形技术
        加拿大不列颠哥伦比亚大学电气与计算机工程系Mohammad Taha Askar和Lutz Lamp研究了光纤通信系统中概率整形技术对信号传输非线性容忍度的影响，如图2所示[2]。他们应用了概率振幅整形（PAS）技术，并结合Maxwell-Boltzmann分布和球面整形等方法，通过优化信号高阶矩（如四阶矩μ4=2.5、六阶矩μ6=6.8）以抑制非线性干扰噪声（NLIN）的负面影响。研究结果表明：在含20跨段1600km光纤链路的通信系统中，使用块长（D=180）恒定分布匹配（CCDM）方案相比均匀分布方案，可将信噪比（SNR）提升0.18dB，并将传输距离延长15%-20%。通过结合序列选择技术，他们通过低通滤波筛选候选序列，可使双极化256QAM信号的接收SNR提升0.3dB。综上所述，应用该方案可有效提升光纤非线性容限且能改善信号传输性能，为提推动大容量、长距离光信号传输技术的进一步发展提供了参考借鉴。


图 2 (a) 序列选择、(b)将序列选择整合到 PAS 中、(c)振幅整形与序列生成和选择的解耦

3、压缩光处理
        中山大学的王金涛等研究人员设计了基于多芯光纤现场部署的远程明亮压缩光（BSL）方案，如图3所示[3]。研究人员分别通过6公里和30公里的标准单模光纤上实现了压缩水平为-2.52dB和-1.8dB明亮振幅压缩光（BSL）的远程制备；基于16.7公里长度的多芯光纤的BALS压缩水平为-1.8dB，与部署30公里长度单模光纤获得的压缩水平一致。研究人员还用了零差检测和Winger函数重建的量子态断层扫描（QST）来验证BSL的压缩特性。综上所述，上述方案为进行长距离量子信息处理提供了新的参考思路。


图3 明亮压缩光测试系统

4、模式色散
        意大利帕尔马大学的Chiara Lasagni等研究人员在弱耦合空分复用（SDM）系统中分析了采用少模光纤（FMF）传输信号时模式色散是如何影响非线性干扰（NLI）的方差，并设计了在组内和组间NIL中均包含模式色散的高斯噪声（GN）模型[4]。他们通过应用两组不同简并FMF中的传输脉冲证明了设置NLI方差对确定性差模群延时（DMGD）有重要影响，如图4所示；通过对四波混频效应的分析，他们发现空间模式色散（SMD）对与相位和极化相关的非线性失真有不同程度的影响；他们还比较了NLI方差估计结果和采用分步傅里叶方法的仿真结果，验证了应用上述模型的准确性。综上所述，该方案对降低光纤非线性系数来减轻kerr效应引起非线性干扰的应用具有参考借鉴价值。


图4 脉冲FMF中的传输

5、超短脉冲传输模型
        北京大学电子与计算机工程学院的Jinhong Wu等研究人员设计了一种基于物理信息神经网络（PINN）的通信模型，用于分析超短脉冲在光纤中的传输特性，如图5所示[5]。他们通过引入先验知识，分析了应用传统非线性薛定谔方程（NLSE）求解的计算复杂度，并明确应用该方程可显著减少大量数据的训练需求；在此基础上，分别针对长脉冲（T? > 1 ps）和短脉冲（T? < 1 ps）进行了仿真验证。研究结果表明：对于长脉冲，在1~2 ps的脉冲宽度和1.9~3.8 W的峰值功率范围内该模型表现出色，预测结果与应用NLSE一致性良好，均方根误差（RMS）仅为0.025；对于短脉冲，PINN在400fs~800fs的脉冲宽度和12~24 W的峰值功率范围内也表现出高精度预测能力， RMS误差仅为0.0216。因为应用PINN模型的训练时间显著短于应用传统数值模拟计算方法，且预测速度比应用NLSE模拟快两个数量级；因此，该方案为超快光子学的实际应用提供了重要参考思路。


图5 PINN模型架构

6、光互连系统
        北京大学信息与通信工程系的Chuanchuan Yang等研究人员设计了采用隐藏特征提取学习（HFE）进行端到端（E2E）联合均衡与低密度奇偶校验（LDPC）译码的方法，以提升含垂直腔发射激光器与多模光纤（VCSEL-MMF）的光互连系统在超高传输速率下的工作性能，如图6所示[6]。他们引入了深度学习算法以优化信号处理过程，并有效降低了接收信号的误码率（BER）；并提出了应用HFE方法通过二次空间变换和主成分分析（PCA）提取隐藏特征来提高神经网络均衡的训练效率，同时避免系统计算复杂度的增加；他们设计的E2E联合均衡与LDPC译码方法综合考虑了数字预失真（DPD）、光链路模型、前馈均衡器（FFE）和基于深度学习的归一化偏移最小和（DL-NOMS）LDPC译码器的影响，实现了对传输链路的全局优化。研究结果表明：该系统在100米MMF链路中实现了288 Gb/s信号的高速传输，误码率低于20%软判决前向纠错（FEC）阈值，且在不同传输场景应用中表现出了良好泛化能力；采用NOMS LDPC译码算法在迭代过程中表现出比传统算法更低的误码率，其权重和偏置参数的自适应使其能够匹配非高斯信道特性。综上所述，该研究方案为高速光互连系统的设计提供了参考思路，并为未来大数据中心的建设提供了一定的技术支撑。


图6 应用深度学习优化信号处理的过程

参考文献：
[1] Yamazaki H, Nagatani M, Nakamura M, et al. Analog Electronic and Optical Multiplexing Techniques for Transmitter Bandwidth Extension[J/OL]. Journal of Lightwave Technology, 2025, 43(4): 1550-1564. 
[2] M. T. Askari and L. Lampe, "Probabilistic Shaping for Nonlinearity Tolerance," [J/OL].?Journal of Lightwave Technology, 2025, 43(4): 1565-1580.
[3] Wang J, Liao J, Chen Z, et al. Remote Preparation of Bright Squeezed Light via Field-Deployed Multi-Core Fibers[J/OL]. Journal of Lightwave Technology, 2025, 43(3): 1000-1006. 
[4] Lasagni C, Serena P, Bononi A, et al. Effects of Mode Dispersion on the Nonlinear Interference in Few-Mode Fiber Transmissions[J/OL]. Journal of Lightwave Technology, 2025, 43(4): 1604-1614. DOI:10.1109/JLT.2024.3492344.
[5] Wu J, Wang Z, Chen R, et al. Efficient Physics-Informed Neural Network for Ultrashort Pulse Dynamics in Optical Fibers[J/OL]. Journal of Lightwave Technology, 2025, 43(3): 1372-1380. 
[6] Yang C, Qin H, Lan T, et al. Hidden Feature Extraction Learning and End-to-End Joint Equalization With LDPC Decoding Method for Optical Interconnect[J/OL]. Journal of Lightwave Technology, 2025, 43(4): 1746-1758.