Machine-learning-based EDFA gain estimation [Invited]

计算机科学 先验与后验 频道(广播) 光放大器 最大后验估计 人工神经网络 传输(电信) 均方误差 人工智能 电子工程 工程类 电信 统计 数学 光学 物理 认识论 哲学 最大似然 激光器
作者
Jiakai Yu,Shengxiang Zhu,Craig Gutterman,Gil Zussman,Daniel C. Kilper
出处
期刊:Journal of Optical Communications and Networking [The Optical Society]
卷期号:13 (4): B83-B83 被引量:21
标识
DOI:10.1364/jocn.417584
摘要

Optical transmission systems with high spectral efficiency require accurate quality of transmission estimation for optical channel provisioning. However, the wavelength-dependent gain effects of erbium-doped fiber amplifiers (EDFAs) complicate precise optical channel power prediction and low-margin operation. In this work, we examine supervised machine learning methods using multiple artificial neural networks (ANNs) to build models for gain spectra prediction of optical transmission line EDFAs under different operating conditions. Channel-loading configurations and channel input power spectra are used as an a posteriori knowledge data feature for model training. In a hybrid learning approach, estimated gain spectra calculated by an analytical model are added as an a priori input data feature to further improve the EDFA ANN model performance in terms of prediction accuracy, training time, and quantity of training data. Using these methods, the root mean square error and maximum absolute error of the predicted channel output power can be as low as 0.144 dB and 1.6 dB, respectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Hello应助魏不不采纳,获得10
刚刚
後知後孓完成签到,获得积分10
1秒前
2秒前
2秒前
周维发布了新的文献求助10
2秒前
3秒前
想毕业完成签到,获得积分10
3秒前
後知後孓发布了新的文献求助10
4秒前
量子星尘发布了新的文献求助10
4秒前
4秒前
5秒前
狂野谷冬完成签到 ,获得积分10
5秒前
5秒前
6秒前
6秒前
ZexiWu发布了新的文献求助20
6秒前
玖念发布了新的文献求助10
7秒前
想毕业发布了新的文献求助40
7秒前
香蕉觅云应助科研通管家采纳,获得10
7秒前
kingwill应助科研通管家采纳,获得20
7秒前
7秒前
FashionBoy应助科研通管家采纳,获得10
7秒前
7秒前
英俊的铭应助科研通管家采纳,获得10
7秒前
小二郎应助科研通管家采纳,获得10
7秒前
顾矜应助科研通管家采纳,获得10
7秒前
糖异生完成签到,获得积分10
8秒前
传奇3应助科研通管家采纳,获得30
8秒前
天天快乐应助科研通管家采纳,获得10
8秒前
lanananan发布了新的文献求助10
8秒前
Wang完成签到,获得积分10
8秒前
香蕉觅云应助科研通管家采纳,获得10
8秒前
SciGPT应助科研通管家采纳,获得10
8秒前
ZJPPPP应助科研通管家采纳,获得10
8秒前
科研通AI5应助科研通管家采纳,获得10
8秒前
kingwill应助科研通管家采纳,获得20
8秒前
8秒前
汉堡包应助科研通管家采纳,获得10
8秒前
大模型应助科研通管家采纳,获得30
8秒前
上官若男应助科研通管家采纳,获得10
8秒前
高分求助中
计划经济时代的工厂管理与工人状况(1949-1966)——以郑州市国营工厂为例 500
INQUIRY-BASED PEDAGOGY TO SUPPORT STEM LEARNING AND 21ST CENTURY SKILLS: PREPARING NEW TEACHERS TO IMPLEMENT PROJECT AND PROBLEM-BASED LEARNING 500
The Pedagogical Leadership in the Early Years (PLEY) Quality Rating Scale 410
Why America Can't Retrench (And How it Might) 400
Stackable Smart Footwear Rack Using Infrared Sensor 300
Modern Britain, 1750 to the Present (第2版) 300
Writing to the Rhythm of Labor Cultural Politics of the Chinese Revolution, 1942–1976 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 催化作用 遗传学 冶金 电极 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 4604100
求助须知:如何正确求助?哪些是违规求助? 4012619
关于积分的说明 12424227
捐赠科研通 3693241
什么是DOI,文献DOI怎么找? 2036105
邀请新用户注册赠送积分活动 1069230
科研通“疑难数据库(出版商)”最低求助积分说明 953709