BỘ CÂN BẰNG TÍN HIỆU DỰA TRÊN MẠNG NƠ-RON TÍCH CHẬP MỘT CHIỀU CHO HỆ THỐNG THÔNG TIN QUANG CỰ LY NGẮN TỐC ĐỘ 100 Gb/s

jos.hueuni.edu.vn Tập 134, Số 2A, 2025 129 thu phát giá rẻ có thể gây ra nhiễu và sai lệch mức biên độ tín hiệu, khiến tín hiệu nhận được bị dịch khỏi các mức PAM-4 chuẩn. Vì vậy việc nhận dạng đúng mức tín hiệu ở phía thu trở nên khó hơn, làm tăng tỷ lệ lỗi bit (BER) và giảm hiệu suất hệ thống đi đáng kể, đặc biệt trong điều kiện công suất nhận thấp [6]. Để cải thiện chất lượng tín hiệu thu, các hệ thống thương mại hoá truyền thống thường sử dụng các bộ cân bằng tuyến tính như FFE (Feed-Forward Equalizer) nhằm bù méo tín hiệu bằng cách đảo ngược một số tác động xấu lên tín hiệu truyền dẫn. Tuy nhiên, về bản chất FFE là bộ lọc tuyến tính FIR, do đó nó chỉ xử lý được thành phần méo tuyến tính. Vì vậy, méo phi tuyến vẫn còn tồn tại và đây chính là thách thức lớn trong các hệ thống PAM-4 tốc độ cao. Gây ra giới hạn về hiệu năng của hệ thống, đặc biệt khi hệ thống hoạt động ở tốc độ truyền 100 Gb/s với độ tin cậy cao. Theo đó, các phương pháp dựa trên học sâu, nổi bật là CNN, đã được đề xuất giúp thay thế cho các kỹ thuật DSP truyền thống. Cụ thể, công trình [7] đã cho thấy CNN có khả năng bù được cả méo tuyến tính và phi tuyến trong hệ thống quang cự ly ngắn ở tốc độ truyền 64 Gb/s, cho thấy khả năng vượt trội hơn so với FFE. Tuy nhiên, nghiên cứu này chưa mở rộng lên tốc độ 100 Gb/s và chưa phân tích hiệu năng trong nhiều điều kiện nhiễu khác nhau. Trong khi đó, [8] đã ứng dụng triển khai mạng nơ-ron sâu cho hệ thống coherent DP-16QAM, cho thấy kỹ thuật học sâu có thể vượt trội hơn các giải pháp cổ điển trước đây trong bù méo phi tuyến. Nhưng hệ

thống coherent vốn khác biệt về cấu trúc và yêu cầu ký thuật phức tạp hơn so với hệ thống IM/DD do đó chưa thật sự phù hợp với đặc thù của hệ thống cự ly ngắn khi triển khai thực tế. Bên cạnh đó, bài khảo sát tổng quát [9] đã cho thấy được xu hướng tiềm năng của học máy trong việc nâng cao chất lượng truyền dẫn nhờ khả năng thích ứng với nhiều dạng méo tín hiệu khác nhau, song nghiên cứu mới dừng ở mức phân tích tổng quát, chưa đề xuất cấu hình cụ thể cho hệ thống IM/DD PAM-4. Trên nền tảng lý thuyết được trình bày ở [10, 11], CNN nổi bật so với mạng nơ- ron nhân tạo (ANN) nhờ khả năng trích xuất đặc trưng cục bộ thông qua phép tích chập và cơ chế chia sẻ trọng số, đồng thời giảm số lượng tham số huấn luyện đáng kể. Những ưu điểm này giúp cấu trúc bộ cân bằng gọn nhẹ, phù hợp với yêu cầu xử lý tốc độ cao và giới hạn phần cứng trong hệ thống IM/DD. Trên cơ sở đó, nghiên cứu này tập trung vào việc ứng dụng mạng CNN 1 chiều với kiến trúc nhẹ (lightweight 1D-CNN) để phát triển bộ cân bằng, vừa đảm bảo khả năng bù méo tuyến tính và phi tuyến, vừa đáp ứng yêu cầu xử lý tốc độ cao và giới hạn phần cứng trong hệ thống IM/DD PAM-4 100 Gb/s. Phần còn lại có bố cục như sau: Mục 2 trình bày tổng quan mô hình hệ thống truyền dẫn và mô tả kiến trúc bộ cân bằng sử dụng CNN. Mục 3 trình bày kết quả mô phỏng, phân tích và đánh giá hiệu năng mô hình trong các điều kiện khác nhau. Cuối cùng, kết luận và định hướng phát triển được trình bày ở Mục 4.