基于受激布里渊散射技术与机器学习算法的非线性补偿方法及装置

本发明涉及光通信技术领域，具体公开了一种基于受激布里渊散射技术与机器学习算法的非线性补偿方法及装置。该方法包括：S1、利用受激布里渊散射SBS技术对光频梳中的窄带谱线进行再生放大，提高光频梳的载波噪声功率比CNPR；S2、在自相干接收器中对经SBS放大的载波进行无相位敏感的相干检测，并消除对本地振荡器的需求；S3、通过基于StyleGAN的低复杂度机器学习算法对光纤传输链路及发射端的非线性失真进行实时补偿。非线性补偿装置包括光频梳模块、自相干接收模块和MLA模块。本发明能够现有光通信系统中因非线性失真、随机噪声及频率漂移导致的传输性能受限问题，并优化光通信系统的传输性能和能效。