Aiming to further improve the spectral efficiency (SE) of a continuous spectrum modulated nonlinear frequency division multiplexing (CS-NFDM) system, we propose a novel ,to the best of our knowledge, multiple-signal-joint-processing (MSJP)-based guard interval (GI) shortening method. In this method, multiple NFDM time-domain signals are jointly processed as a whole to carry out nonlinear Fourier transform and inverse nonlinear Fourier transform (NFT-INFT) operations. These operations can fuse the multiple NFDM time-domain signals together, which is equivalent to the corresponding inverse process of a fiber transmission. Experimental results show that the normalized SE of the proposed method can reach 0.99 when approaching the limit value of 1 and obtain a 2.33 dB Q

A nonlinear Tomlinson–Harashima precoding (NTHP) scheme has been verified for its capability to effectively address both the linear and nonlinear inter-symbol interferences (ISIs) arising in the intensity-modulation direct-detection (IM-DD) fiber optics transmission. Nevertheless, the application of the NTHP scheme may significantly increase the number of levels for the intensity modulated signals, resulting in the reduction of both eye width and receiver sensitivity. Here, we propose a fractionally spaced NTHP with a weight clustering (FS-NTHP-WC) scheme. Consequently, an accurate ISI feedback can be obtained to enlarge the eye width; meanwhile a hardware-efficient implementation without the equalization penalty can be achieved by weight clustering and pruning. When the C-band 100 Gbaud/λ PAM-4 signals are transmitted, our proposed FS-NTHP-WC scheme not only can achieve 0.25 dB and 0.5 dB gains of receiver sensitivity under back-to-back (B2B) and 2-km standard single-mode fiber (SSMF) transmission conditions, respectively, but can also cut down the computational complexity by 90% and 76% in terms of the number of multiplications and additions, respectively, in comparison with the NTHP scheme.

The image resolution and contraband object detection accuracy are the two key factors for security checks based on millimeter wave imaging techniques. In this paper, a homemade real-time millimeter imaging system for small package security inspection is used to obtain about 400 raw images of envelopes containing multi-contraband objects like guns and knives. After pre-processing, spatial transformer-feature fusion (ST-FF) adapted single-shot multi-box detector (SSD) networks are used to detect the contraband objects of postal packages. The experiments reveal that the spatial-transformed-feature fusion deep learning networks demonstrate better mean average precision (mAP) performance than traditional single networks in detecting contraband objects of different scales, orientations, and distortions, and prove the great potential for security checks based on millimeter wave imaging.