基于非正交多址和卷积神经网络的光接入网

针对下一代光接入网,提出了一种基于功率域非正交多址的扩容无源光网络方案。传统的功率域非正交多址网络基于信道估计函数,采用串行干扰消除(SIC)算法进行解调和恢复,需要精确的信道估计,存在差错传播效应。针对该问题,提出了基于修正卷积神经网络(CNN)的信号接收方案,利用大量数据独立拟合各用户信道函数,打破了SIC解调算法中用户间的依赖链,提升了系统的传输性能和公平性。结果表明,在扩容功率域非正交多址无源光网络中,相比传统SIC解调算法,基于修正CNN的接收方案对远端用户(传输60 km)和近端用户(传输20 km)的传输性能可分别提升约0.5 dB和1.7 dB,且其公平性指数更接近1。