Advanced Photonics Nexus2024年第1期文章：
随着人工智能、云计算、大数据、物联网、边缘计算等新技术的广泛普及和应用，人类社会步入了数据爆炸时代。然而，当前主流信息加密技术基本依赖于算法的计算复杂度，随着超级计算机，尤其是量子计算机带来的算力发展，传统加密方式的安全性岌岌可危。目前全球90%的数据流量由光纤进行传输，但物理层传输基本处于不设防状态。早在21世纪初，美国就启动了窃听海底光缆的相关计划，重点监听太平洋和地中海地区，对我国国家安全造成严重威胁。
图1 正在窃听海底光缆的潜艇
“一只南美洲的蝴蝶扇动翅膀，结果可能引发美国得克萨斯州的一场龙卷风。”我们熟知的蝴蝶效应就是对混沌系统的形象描述。混沌作为一种复杂的、类随机的、初值敏感的、无周期的高非线性行为，天然适合用于信息加密。混沌光通信将光信号注入非线性系统产生混沌加密信号进入信道进行传输，由于混沌的类噪声特性，窃听者无法从加密信号中得到有效信息。合法用户在接收端使用相同的硬件产生相同的混沌(混沌同步)，从加密信号减去同步的混沌得到解密信号。但是，由于混沌光在光纤中传输受到损伤并且收发端硬件无法完全相同，导致混沌同步性能下降，继而导致传输性能下降，限制了混沌光通信系统的实际应用。
图2 混沌通信加密和解密示意图
为了提升混沌光通信传输性能，推动混沌光通信技术的实用化，近日，上海交通大学区域光纤通信网与新型光通信系统国家重点实验室义理林教授课题组提出了基于导频和训练序列的相干数字信号处理算法，使用深度学习进行混沌同步，演示了100 Gbps、800 km长距离混沌光通信。相关成果以“100 Gb/s coherent chaotic optical communication over 800 km fiber transmission via advanced digital signal processing ”为题，发表于Advanced Photonics Nexus。
相干数字信号处理+深度学习——让混沌“跑得又快又远”
目前混沌光通信均采用盲补偿算法，补偿精度受限制。对于速率更高、距离更长的混沌加密信号，信道中的损伤更强，盲算法显得力不从心。同时为了保证激光频率和相位稳定性，研究人员通常会采用带有稳频模块的窄线宽激光器，造价高且商用系统无法部署。
该研究团队针对上述问题提出了基于导频和训练序列的相干数字信号处理算法，结合深度学习实现了100 Gbps、800 km的混沌实验传输，并且通过FPGA展示了方案的实时部署性能。
图3 (a)长距混沌通信实验框图(b)频偏补偿算法示意图(c)相干数字信号处理流程图
CW，连续激光器;MZM，马赫曾德调制器;OC，光耦合器;DL，光纤延迟线;VOA，可调光衰减器;PD，光电探测器;EA，电放大器;PM-IQM，偏振复用同相正交调制器;SMF，单模光纤;EDFA，掺铒光纤放大器;OSC，示波器;DSP，数字信号处理;NN，神经网络;CPR，载波相位恢复;FO，频偏估计;RPE，残留相位噪声估计
如图3(a)所示，首先搭建基于光电反馈的Ikeda混沌模型，在背靠背的场景下采集混沌加密信号训练神经网络，在数字域进行混沌同步。在混沌加密信号中插入导频和训练序列，帧结构如图3(b)所示，随后调制到PM-IQM中，实现四路复用，传输速率提升四倍。在接收端首先对信号归一化和四路时延同步，然后进行色散补偿。
根据导频在传输过程中的偏移量来估计频偏，补偿完频偏后进行帧同步确定训练序列的位置，之后进行基于训练序列的均衡和相位噪声联合补偿，通过训练序列不仅可以进行信道均衡，同时可以完成载波相位恢复。完成偏振解复用后，基于训练序列的残留相位噪声估计和补偿，最后使用神经网络进行混沌同步。
图4 (a)800 km传输后神经网络同步性能图;(b)混沌加密后的信号;(c) 背靠背神经网络解密后的信号;(d)800 km传输后神经网络同步解密后的信号
背靠背下混沌加密信号经过神经网络同步后星座图如图4(c)所示，此时信噪比为17.4 dB，误码率为0。经过混沌加密后的星座图如图4(b)所示，完全混乱，窃听者无法从中提取有效信息。经过800 km传输后，混沌同步系数可以达到0.9如图4(a)所示，解密后星座图如图4(d)所示，信噪比为9.9 dB，误码率为1.8x10-3，低于7% FEC门限。
