杨 恺 陈晓宁

1(东莞职业技术学院电子与电气工程学院 广东 东莞 523808)2(西北工业大学电子信息学院 陕西 西安 710072)

0 引 言

传统的时分复用、波分复用和偏振复用等技术成功提高了光通信系统的信道利用率和传输效率[1]。随着通信技术的发展，模分复用[2]技术进一步地提高了光通信的信道利用率，渐变型光信道的出现使得单个信道支持的模式数量日益升高，通过多输入多输出技术[3]能够有效地提升光通信系统的性能。多模传输虽然提高了光通信的效率和速度，但是在光传输过程中每个模式内和多个模式之间会发生非线性耦合的现象[4]。传统的光通信系统采用信道均衡化技术，在发送端发送训练信号，在接收端计算传输产生的误差，然后根据这些误差结果搜索均衡器的最佳参数集[5]。

许多专家学者对MIMO的均衡技术进行了深入研究，并且取得了卓越的成果。文献[6]提出基于自适应滤波算法的自适应均衡方法，该算法将信道均衡模型建模成滤波模型，滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。该算法具备较好的自适应学习能力，并且对非线性MIMO系统也具备一定的拟合能力。文献[7]将迫零均衡化(Zero Forcing, ZF)和最小均方误差 (Minimum Mean Square Error, MMSE)结合设计了自适应的MIMO均衡化算法，该算法对于不同形式的MIMO均表现出较好的性能，并且也实现了较好的非线性均衡效果。随着深度学习技术的发展，许多研究人员将深度学习技术应用于MIMO系统中，以期提高MIMO的学习效果。……