Y10T8 华为相干模块发射端预加重模型优化
噪声具有频率相关特性，也就是SNR要考虑频率关联性
接收端ADC用更大的采样率，噪声更低，当然成本也高，降低采样率带来的就是信噪比稍差一些，接收端而言存在性价比的权衡。
再写个两三篇，ECOC就告个段落，现在的相干光模块开始从96GBd往130GBd发展，整个链路的带宽越来越紧张，带宽有限的话，高频的部分会出现幅度衰减，信号幅度降低，信噪比劣化。
在接收端有各种均衡，在发射端也需要各种加重，通常DSP用数学模型做加重，DAC的输出信号考虑到线路的各种频率响应，实现调制后的信号理想化。
但是，信噪比信噪比，噪声的数学模型提取也非常重要，之前的低速模块考虑的噪声是个平坦化噪声，但是实际上的噪声是频率相关的。不同的频点，噪声的幅度有差异，这也就造成了数学模型的信噪比评估与实际信噪比之间的差异。
今年华为做了一个基于彩噪的数学模型预估，“彩”这个词在5G前传的光模块里经常听到叫做彩光模块，颜色不同叫“彩色”，本质是频率不同。
平噪不考虑噪声在频谱上的变化，而彩噪算是提取不同频率下的真正的噪声分布。
下图是华为的噪声谱的一个模型。
我把这个模型中关于噪声的部分，分离一下，会有两个结论
华为在相干模块的数学模型中，加入一个新的维度，就是噪声的频率特性。
下图是华为做平噪与彩噪的其中一个对比图。
我的理解，基于平噪的处理，数学模型的预估与实际信号的信噪比其实是有差异的，这会导致基于较大偏差下的数学模型，发射端的DPE的预加重的设计，也会稍稍偏离真实值。
而提取了噪声的频率相关性后，数学模型会更加精准，用来判断要做的预补偿的DPE的量有多大，会更加精准。
回到主题，对于数学模型做出的数字预加重，那么模型越准确，预加重的对于链路的性能提升才更有效，当然要获得更准确的模型，技术难度和后期的采集计算成本也会增加的。
周六ECOC整理一下，准备过年
