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,

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

Mer information

Senast uppdaterat

2024-01-03