Performance Optimisation and Simulation-Based Validation of 400 Gbps Dual-Polarization QPSK Optical Backhaul Systems for 5G and Beyond Mobile Networks

技术摘要：400 Gbps 双偏振 QPSK 光回传系统的性能优化与基于仿真的验证

问题陈述
由 5G 部署和新兴 6G 应用驱动的移动数据流量指数级增长，造成了光回传网络的容量危机。虽然 400 Gbps 双偏振正交相移键控（DP-QPSK）在频谱效率和实现复杂度之间提供了极具吸引力的平衡，但其在实际部署中面临着显著的物理层挑战。这些挑战包括色散（CD）、偏振模色散（PMD）、光纤非线性以及放大自发辐射（ASE）噪声，这些问题在更高符号速率下会进一步加剧。此外，现有的数字信号处理（DSP）方案往往难以在计算复杂度、功耗与真实环境条件（例如温度波动和多样化的光纤特性）下的性能之间取得平衡。目前的相干 DSP 每个波长消耗大量功率（25–35 W）。此外，许多机器学习（ML）方法缺乏严谨的统计验证、物理启发式建模或针对实时实现的硬件可行性分析。

方法论
作者提出了一个统一的、物理启发且数据驱动的 400 Gbps DP-QPSK 光回传系统框架。该方法集成了以下组成部分：

1. 信道建模： 使用自适应步长分步傅里叶法（SSFM）求解 Manakov 方程来模拟信号传播。该框架考虑了 CD、PMD、Kerr 非线性以及 ASE 噪声（EDFA 噪声系数为 5 dB）。采用随机几何信道模型取代标准的高斯噪声假设，旨在提高距离预测的准确性。
2. DSP 架构： 核心创新是一个混合 CNN-BiLSTM（卷积神经网络 - 双向长短期记忆网络）均衡器。它取代了传统的常模算法（CMA）和数字反向传播（DBP）方法。DSP 链路包括：
   • 前端校正（I/Q 不平衡、直流偏移）。
   • 频域 CD 补偿。
   • 时钟恢复。
   • 用于残余线性与非线性补偿的提议 CNN-BiLSTM 均衡器。
   • 经 ML 增强的载波相位估计。
   • 符号选择与软判决前向纠错（SD-FEC）。
3. 优化策略：
   • 多时间尺度偏振跟踪： 一种结合了卡尔曼滤波器（快速波动）和递归最小二乘法（慢速漂移）的跨时间尺度相关模型。
   • 资源自适应 DSP： 根据实时信道状态信息（OSNR、CD、PMD）动态分配计算资源，以在维持性能的同时最小化功耗。
   • 硬件感知协同设计： 在优化循环中显式建模发射机/接收机损伤（相位噪声、量化噪声）。
4. 验证框架： 研究利用每轮 $10^6$ 个符号、共 1,000 次独立试验的蒙特卡洛模拟。通过贝叶斯推断、置信区间（Wald 和 Bootstrap）以及假设检验（双样本 t 检验）进行统计验证，以确保所声称的改进具有统计显著性（$p < 0.01$）。消融研究通过系统地移除架构组件来量化各部分的贡献。
5. 可行性分析： 基于合成的分析针对 Xilinx Zynq UltraScale+ RFSoC 和 7nm CMOS ASIC，估算了在 32 GBaud 下 CNN-BiLSTM 均衡器的延迟、功耗和资源利用率。

主要贡献
论文声称了以下具体贡献：

• 混合物理-机器学习建模： 将 CNN-BiLSTM 均衡器集成到基于 Manakov 的框架中，在实现 95% 非线性抑制的同时，复杂度比简化的数字反向传播（DBP）降低了 93%。
• 多时间尺度跟踪： 一种新型跟踪模型，将偏振相关惩罚降低了 60%。
• 随机几何信道模型： 一种空间相关过程，相比高斯噪声（GN）模型，将距离预测准确度提高了 25%。
• 资源自适应 DSP： 一种动态分配方案，在保持在全复杂度性能 0.3 dB 以内的同时，实现了 35% 的功耗降低。
• 严谨的统计验证： 使用假设检验和消融研究来确认每个架构组件都对性能增益有显著贡献。
• 硬件可行性： 基于合成的估算表明，CNN-BiLSTM 均衡器可以在 7nm CMOS 中以 128 个并行引擎运行在 32 GBaud，估计功耗为 150 mW，延迟为 2.4 μs。

结果
在 4 dBm 发射功率和 1200 km 无中继传输（SSMF，EDFA NF=5 dB）下的仿真结果表明：

• 性能： 系统运行在高于标准量子极限（SQL）4.7 dB 的水平。前向纠错前误码率（pre-FEC BER）为 $2.8 \times 10^{-3}$，远低于 SD-FEC 阈值 $2.4 \times 10^{-2}$。
• Q 因子： 实现最大 Q 因子为 10.5 dB，相比标准 DSP 提升了 2.3 dB，相比表现最好的传统 DBP 提升了 1.2 dB。
• 复杂度与功耗： 与标准 DSP 相比，该架构降低了 93% 的计算复杂度并减少了 35% 的功耗。
• 非线性抑制： 系统实现了 95% 的非线性抑制效率。
• 收敛性： CNN-BiLSTM 在 35 个 epoch 后收敛，最终损失为 0.008。
• 统计显著性： 所有声称的改进（如 60% 的相位噪声降低、2.5 倍的眼图张开）均通过 t 检验得到证实（$p < 0.001$）。
• 商业对比： 由于降低了 DSP 复杂度，所提系统与商业 400G 系统（如 Acacia、Infinera、Ciena）相比，展示了具有竞争力的单位 Gbps 成本（$0.80）和功率效率。

意义与主张
本文将该工作定位为面向 5G-Advanced 和 6G 网络的可扩展 600G–1T 光回传路径。作者声称其综合创新通过以下方式弥合了理论极限与实际实现之间的差距：

1. 提供了一个物理启发式机器学习框架，避免了纯数据驱动模型的“黑盒”性质。
2. 提供了严谨的统计验证和消融研究，解决了现有文献中改进往往仅为定性或缺乏置信区间的问题。
3. 通过基于合成的分析展示了硬件可行性，超越了理论性的机器学习提案，转向实时实现约束（延迟、功耗、面积）。
4. 使用商用组件（EDFA NF=5 dB、标准 SSMF）实现了接近量子极限的性能，使该方案在移动回传领域具有经济可行性。

作者明确指出，该工作基于仿真和基于合成的估算。他们指出，在 FPGA 上的硬件在环验证和现场测试是未来确认这些结果在现实世界条件下表现的必要工作。本研究并不声称已在物理上部署该系统或在制造的硅片上进行了测量，而是提供了一个全面的基于仿真验证和可行性路线图。