6/03/2024，光纖在線訊，光纖特約編輯，邵宇豐，王安蓉，楊林婕，柳海楠，李文臣，胡文光，陳超，張顏鷺，岳京歌，靳清清。

2024年4月出版的JLT主要刊登了以下一些方向的文章，包括：濾波器、無源光網絡、光交換、神經網絡、多通道空分復用、機器學習等，筆者將逐一評析。

1、濾波器
美國德克薩斯大學阿靈頓分校的F. A. Simlan等研究人員設計了鍺（Ge）制備的導模共振（GMR）型長波紅外（LWIR）濾波器[1]，如圖1所示。該濾波器采用單層GMR濾波器作為帶阻濾波器，可實現較高光密度和邊帶效率；在基底背面加入了抗反射（AR）層增強濾波器的穩(wěn)定性，相比于窄帶陷波濾波器結構，該方案可彌補帶寬不可調帶來的工作限制。該濾波器的低透光率測量值低至0.021%，光密度為3.68。綜上所述，該設計方案在制備光譜可調高性能濾波器方面具有潛在的應用價值，也為在長波紅外譜域制備具有快速沉積稀疏薄膜結構的各種功能器件奠定了研發(fā)基礎。



2、無源光網絡
暨南大學的Haide Wang等研究人員設計了采用高級加密標準（AES）算法和星座成形四電平脈沖幅度調制（GCS-PAM4）導頻的相干無源光網絡（PON）密鑰分配方案[2]。如圖2所示，GCS-PAM4導頻中的第一個比特用于載波相位恢復（CPR），第二個比特用于分配密鑰而不占用額外開銷；通過極化碼對密鑰比特進行編碼，保證無誤碼分配（每個碼字支持頻繁密鑰更新過程）和提升相干PON的安全性。實驗結果表明：在采用16進制正交幅度調制的數字子載波復用型200Gbps相干PON的系統(tǒng)中，密鑰分發(fā)在上行傳輸時無差錯，且不占用額外通信開銷；在下行傳輸時可通過AES算法防止竊聽。此外，與二進制相移鍵控導頻方案相比，采用GCS-PAM4導頻后CPR過程中幾乎沒有性能損失；上述設計方案對于未來增強PON物理層安全性能具有參考借鑒價值。



3、光交換
上海交通大學的Shuai Zhang等研究人員設計了在數據中心網絡（DCN）光交換平面中采用需求矩陣分解（DMD）調度算法進行資源分配（如圖3所示），實現在重配置延遲不可忽略的情況下提高系統(tǒng)吞吐量[3]。研究結果表明，應用混合整數非線性規(guī)劃進行部分重新配置和中斷可顯著提高系統(tǒng)工作性能；研究人員還設計了新方法用于實現調度過程中的部分重配置和中斷。研究結果表明：允許部分重構和中斷的DMS調度算法的應用使得系統(tǒng)資源分配性能提升了33%。該方案的設計和應用為未來數據中心網絡的建設及其中光交換資源的分配提供了參考借鑒。



4、神經網絡
復旦大學的An Yan等研究人員設計了支持帶寬限制信號處理和實現非線性緩解的自適應部分響應神經網絡均衡（APR-NNE）方法。如圖4所示，該方法實現了通道均衡和噪聲白化平衡[4]，支持在均衡器訓練期間自動優(yōu)化白化系數，無需在后置濾光片后引入額外掃描或訓練過程，可在匹配通道響應方面實現最佳性能平衡。面向輸出的部分響應信號，研究人員應用最大似然序列估計序列來緩解采用APR-NNE后噪聲抑制過程引入的已知符號間串擾（ISI），并恢復原始信號；研究人員在10dB 帶寬為57GHz的系統(tǒng)中成功收發(fā)和傳輸了150GBaud的4階脈沖幅度調制（PAM4）信號。研究結果表明：采用該方案能有效補償帶寬限制引起的ISI，在C波段0.5 km 標準單模光纖傳輸后能有效接收PAM4信號（達到7%硬判決前向糾錯閾值）。上述方案有望在未來光纖傳輸系統(tǒng)中應用以改善PAM4信號的收發(fā)質量。



5、多通道空分復用
加拿大魁北克拉瓦爾大學的Arman Safarnejadian等研究人員在相干檢測光傳輸系統(tǒng)中結合多通道空分復用（N-SDM）結構，實現了1.6Tbps數據中心互連（DCI） [5]。研究人員設計了兩種不同帶寬和長度的雙極性硅光子（SiP）IQ調制器，并構建了單通道N-SDM系統(tǒng)模型，如圖5所示。研究人員結合硬件特性修改單通道模型參數后對系統(tǒng)進行了端到端檢查，確定了最低功耗下SDM通道的并行度。研究結果表明：在1.6T-DCI系統(tǒng)中，三通道SDM結構不僅在所有多通道解決方案中消耗功率最少；且與單通道方案相比可節(jié)省高達59%的系統(tǒng)功耗。由于上述方案在滿足DCI大傳輸容量的同時降低了功耗，因此有望在未來數據中心互連中起到降本增效的作用。



6、機器學習
上海交通大學的Y. Xu等研究人員應用噪聲自適應網絡設計了端到端機器學習方案（如圖6所示），并在強度調制直接檢測型100G無源光網絡（PON）系統(tǒng)中進行了驗證[6] 。研究人員設計了一種支持信道建模分析的噪聲自適應網絡來模擬信道響應和信道噪聲對傳輸信號的影響；其結構具備多尺度深度神經網絡（MscaleDNN）特征，可以更好表征不同頻率下的信道響應。研究人員使用兩個神經網絡在發(fā)送端和接收端取代獨立的信號處理模塊，通過聯(lián)合訓練實現系統(tǒng)收發(fā)性能的優(yōu)化；同時引入內存緩沖技術和約束損失，以顯著提高端到端機器學習效率和信號收發(fā)性能。研究結果表明：相比于接收端進行Volterra非線性均衡和間接方式聯(lián)合均衡，應用該方案后接收機靈敏度分別提升了0.8 dB和1.2 dB，并實現了31.4 dB的系統(tǒng)功率預算；該方案可有效降低系統(tǒng)配置復雜度且可提升信號收發(fā)性能，為未來的高速率大容量光通信系統(tǒng)設計提供了新視角。



參考文獻
[1] F. A. Simlan, K. J. Lee, Y. H. Ko, N. Gupta and R. Magnusson, "Fabrication of Single-Layer Resonant Infrared Filters With High Optical Density," in?Journal of Lightwave Technology, vol. 42, no. 7, pp. 2345-2350, 1 April1, 2024, doi: 10.1109/JLT.2023.3335946.
[2] R. H. Wang et al, "Pilot-Based Key Distribution and Encryption for Secure Coherent Passive Optical Networks," in?Journal of Lightwave Technology, vol. 42, no. 8, pp. 2792-2798, 15 April15, 2024, doi: 10.1109/JLT.2023.3348296.
[3] S. Zhang, J. Shao, B. Chen, W. Sun and W. Hu, "Interruptible Scheduling of Partially Re-Configurable Optical Switching in Data Center Networks," in Journal of Lightwave Technology, vol. 42, no. 7, pp. 2212-2224, 1 April1, 2024, doi: 10.1109/JLT.2023.3341042.
[4] A. Yan et al., "Adaptive Partial-Response Neural Network Equalization for Bandwidth-Limited PAM Transmission in Intra-Datacenter Interconnect," in Journal of Lightwave Technology, vol. 42, no. 8, pp. 2762-2773, 15 April15, 2024, doi: 10.1109/JLT.2023.3348482.
[5] A. Safarnejadian, A. Mohammadi, L. A. Rusch, W. Shi and M. Zeng, "A Power-Efficient SDM Structure for Next-Generation Data Center Interconnect," in?Journal of Lightwave Technology, vol. 42, no. 7, pp. 2252-2259, 1 April1, 2024, doi: 10.1109/JLT.2023.3341402.?
[6] Y. Xu, L. Huang, W. Jiang, X. Guan, W. Hu and L. Yi, "End-to-End Learning for 100G-PON Based on Noise Adaptation Network," in?Journal of Lightwave Technology, vol. 42, no. 7, pp. 2328-2337, 1 April1, 2024, doi: 10.1109/JLT.2023.3341495.?