２次元畳み込みニューラルネットワークによる光伝送非線形歪補償性能の飛躍的改善

Research Project

Project/Area Number	23K03900
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 21040:Control and system engineering-related
Research Institution	Tokyo Institute of Technology
Principal Investigator	植之原裕行東京工業大学, 科学技術創成研究院, 教授 (20334526)
Project Period (FY)	2023-04-01 – 2026-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000) Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2023: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Keywords	光ファイバ通信 / 非線形歪補償 / 畳み込みニューラルネットワーク
Outline of Research at the Start	光ファイバ長距離伝送における光非線形歪の信号品質劣化に対して、従来のデジタル信号処理的な逆特性作用の性能限界を抜本的に改善する、２次元畳み込みニューラルネットワーク（Convolutional Neural network, CNN）技術の実現を目指す。本研究では、電界強度の同相位相成分、直交位相成分、時間軸を２次元複素平面に描きながら、その一定ビット長のサンプリング点にたいして２次元CNNを導入することにより、性能の飛躍的な改善実現を目指す。2次元CNN構成の最適な層数や構成の明確化を行いつつ、一定時間ずらした複数の復調信号に多数決法などの手法を導入して性能の向上を実現する。
Outline of Annual Research Achievements	光伝送信号に対するCNNを用いた光非線形補償器の補償性能の検討と性能比較では，28Gbaud NRZ-QPSK信号に対して，2次元CNN(2-D CNN)の補償性能に関する検討を行い，同位相成分（I成分）と直交位相成分（Q成分）それぞれの時間変化成分を扱う手法がIQ成分の２次元平面での分布を扱うよりも非線形補償に優れていることを確認した．その理由は近い電界成分の時間の違いの情報を得やすいためと推察した．CNNにおける最適な層構造に関する検討では，CNN(プーリング層前の畳み込み層数1，プーリング層後の畳み込み層数0)が最適となり畳み込み層数の増加が必ずしも性能の向上に結び付かないということを確認し，BERが最小となる入力シンボル数が異なる畳み込み層数間で大きく変化しないことを確認した．畳み込み層のチャネル数に対する補償性能比較では，チャネル数が16以上あればよいということを確認した．異なる変調方式での補償性能を確認するために28Gbaud NRZ-16QAM信号に対して，CNNの補償性能に関する検討を行った．出力シンボル数1と出力シンボル数3の比較結果では，QPSKで用いた出力シンボル数3よりも出力シンボル数1の方が最適であることを確認した．入力データにおける入力シンボル数は，2dBm，10000 km伝送では19が最適となった．伝送距離8000 kmで平均入力光パワー-5dBm～5dBmに対するCNN，DBPの補償効果を比較した結果，2dBm以上でDBP(2 steps/span)，-1dBm以下ではDBP(4 steps/span)よりも高い補償性能を実現した．この時，CNN(プーリング層前の畳み込み層数2，プーリング層後の畳み込み層数2)が最小BERを記録し，変調方式によって最適な層構造が変化することを確認した．
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason まず2次元CNN(2-D CNN)の補償性能に関する検討を行い，同位相成分（I成分）と直交位相成分（Q成分）それぞれの時間変化成分を扱う手法がIQ成分の２次元平面での分布を扱うよりも非線形補償に優れていることを確認できた．次に、CNNにおける最適な層構造に関する検討では，CNN(プーリング層前の畳み込み層数1，プーリング層後の畳み込み層数0)が最適となり畳み込み層数の増加が必ずしも性能の向上に結び付かないということを確認できている．また畳み込み層のチャネル数に対する補償性能比較では，チャネル数が16以上あればよいということを確認できている．28Gbaud NRZ-16QAM信号に対して，CNNの補償性能に関する検討を行った結果，2dBm以上でDBP(2 steps/span)，-1dBm以下ではDBP(4 steps/span)よりも高い補償性能を実現できた．以上から，妥当性の検証には更なる検討が必要であるものの，CNNがASE雑音を持つシンボルの推測能力を保持している可能性があるとの結論が得られている．結果については、2023年度電子情報通信学会ソサイエティ大会・総合大会で発表を行うに至っている。
Strategy for Future Research Activity	令和５年度の検討を経て，2次元CNN(2-D CNN)の補償性能に関する検討を行い，同位相成分（I成分）と直交位相成分（Q成分）それぞれの時間変化成分を扱う手法がIQ成分の２次元平面での分布を扱うよりも非線形補償に優れていることを確認できている．28Gbaud NRZ-16QAM信号に対してCNNの補償性能に関する検討を行った結果，2dBm以上でDBP(2 steps/span)，-1dBm以下ではDBP(4 steps/span)よりも高い補償性能を実現できたものの，本来は高い光パワーにおける性能の抜本的な改善がまだ達成できていない．その理由として，ランダム性の高いASE雑音による歪よりも、非線形性の影響を受ける高い光パワー領域での光電界強度と位相の歪の入力シンボルに対する特徴をつかみ切れていないためと考えられる．そこで令和６年度は，IQ成分それぞれの時間変化成分の扱いを基本として、性能改善手法の検討を進めることとする．入力複数シンボルの組み合わせに対する歪の微妙な差を拡張するための手法を以下を基本に検討する．・入力シンボル数依存性・対象シンボルの電界強度・位相成分の差を細かいステップで識別する・識別性能を上げるための事前学習時の判定基準の検討