Symbol-Based Supervised Learning Predistortion for Compensating Transmitter Nonlinearity
Paper i proceeding, 2021
We experimentally demonstrate a symbol-based nonlinear digital predistortion (DPD) technique utilizing supervised learning, which is robust against a change of modulation format. Back-to-back transmission of 30 Gbaud 32, 64 and 256QAM confirms that our scheme significantly outperforms the baseline of arcsine-based predistortion.
Look-up table
Transmitter predistortion
Machine learning
optical communication
Författare
Zonglong He
Chalmers, Mikroteknologi och nanovetenskap, Fotonik
Jinxiang Song
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Christian Häger
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Kovendhan Vijayan
Chalmers, Mikroteknologi och nanovetenskap, Fotonik
Peter Andrekson
Chalmers, Mikroteknologi och nanovetenskap, Fotonik
Magnus Karlsson
Chalmers, Mikroteknologi och nanovetenskap, Fotonik
Alexandre Graell I Amat
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Henk Wymeersch
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Jochen Schröder
Chalmers, Mikroteknologi och nanovetenskap, Fotonik
2021 European Conference on Optical Communication, ECOC 2021
9605892
978-1-6654-3868-1 (ISBN)
47th European Conference on Optical Communications, ECOC 2021
Bordeaux, France,
Bordeaux, France,
Frigöra full fiberoptisk kapacitet
Knut och Alice Wallenbergs Stiftelse (KAW 2018.0090), 2019-07-01 -- 2024-06-30.
Ämneskategorier
Annan fysik
Kommunikationssystem
Datorseende och robotik (autonoma system)
DOI
10.1109/ECOC52684.2021.9605892
ISBN
9781665438681