用神经网络优化光信号分布，提升长距传输信噪比

Neural Probabilistic Amplitude Shaping for Nonlinear Fiber Channels

• 用神经网络联合学习信号幅度分布，替代传统序列选择
• 在205公里单跨链路下，64-QAM双偏振传输增益0.5 dB
• 适合高速光纤通信系统设计者，尤其关注非线性影响场景

我们提出神经概率幅度整形，一种用于相干光纤系统的联合分布学习框架。该方案在单跨205公里链路上，对双偏振64-QAM传输相比序列选择方法提升了0.5 dB信噪比。通过学习信号幅度的联合概率分布，该方法有效缓解了光纤中的非线性效应，显著改善了系统性能。实验结果表明，该框架在保持低复杂度的同时实现了可量化的性能增益，为未来高容量光通信系统的设计提供了新思路。

原文摘要 · Abstract (English)

We introduce neural probabilistic amplitude shaping, a joint-distribution learning framework for coherent fiber systems. The proposed scheme provides a 0.5 dB signal-to-noise ratio gain over sequence selection for dual-polarized 64-QAM transmission across a single-span 205 km link.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。