MMDec, 2022

基于 FPGA 的多层机器学习均衡器及芯片内训练实现

PDF
TL;DR本文设计和实现了一种自适应机器学习均衡器，通过 FPGA 交替多个线性和非线性计算层，并采用梯度反向传播实现芯片内训练，以实现对时变信道受损的实时自适应。
发现论文，激发创造
  • 基于 ANN 的无监督均衡器及其可训练 FPGA 实现

    本文提出了一种基于人工神经网络的无监督均衡器及其可训练的 FPGA 实现，通过自适应的方法，该算法能够适应不同的信道条件，并取得了 Gbit/s 级别的吞吐量，超越了高性能 GPU 的表现，是一个实用通讯系统的第一步。

    Apr, 2023

  • 光通信基于 ANN 的实时 FPGA 演示器

    本文介绍了一个基于人工神经网络的均衡器的高通量可编程逻辑门阵列实验平台。该平台在实时中展示并运行着一个 30 GBd 的双级脉冲幅度调制光通信系统的均衡化过程。

    Feb, 2024

  • 基于 CNN 的通信均衡：通过灵活的 FPGA 硬件架构实现百亿比特吞吐量

    本研究提出一种高性能的基于人工神经网络的均衡器的 FPGA 实现，以满足现代光通信系统的吞吐量要求，并通过变化的并行度度量体现高度灵活性。该实现在光纤通道的比特误码率（BER）上相比传统方法降低了四倍，同时在类似批处理大小下超过 40 GBd 的吞吐量上相比高性能图形处理单元（GPU）提高了三个数量级。

    Apr, 2024

  • 基于神经网络的光学均衡器非线性激活函数的硬件实现

    本文论述了通过逼近激活函数来实现双向 LSTM 光信道均衡器的性能近似于原模型，以减少神经网络化光学信道均衡器的硬件实现复杂度。

    May, 2023

  • 多任务学习提升相干光系统中神经网络均衡器的通用性

    首次提出多任务学习用于改进相干系统中基于 NN 的均衡器的灵活性。单个基于 NN 的均衡器与 CDC 相比可提高 Q 因数高达 4dB，无需重新训练，即使发射功率、符号速率或传输距离有变化。

    Jul, 2023

  • 112Gbit/s 无源光网络严重非线性畸变的全盲神经网络均衡

    我们展示并评估了一种针对 100G 无源光网络的全盲数字信号处理链路，并分析了基于神经网络的低硬件复杂度的不同均衡器拓扑结构。

    Jan, 2024

  • 一种新型基于机器学习的下行 100G PAM-4 PON 均衡器

    通过频率校准的 SCINet 等化器，在下行 100G PON（被动光网络）中提出用于 28.7 dB 的路径损耗。在 5 公里距离下，相较于 FFE 和 3 层 DNN，FC-SCINet 改善了 BER（误比特率）88.87%，并降低了 10.57% 的复杂度。

    Apr, 2024

  • EF-Train: FPGA 上通过数据重塑实现高效的 CNN 设备端训练以进行在线适应或个性化

    本研究设计的 EF-Train 是一种高效的 DNN 训练加速器，通过数据重塑，并建立自动计算和内存资源调度的分析模型，在低功耗边缘级 FPGA 上实现端到端的训练，最终达到了 46.99 GFLOPS 和 6.09GFLOPS/W 的吞吐量和能量效率。

    Feb, 2022

  • 光纤传输均衡的低复杂度卷积神经网络

    本文提出了一种卷积神经网络来缓解纤维传输效应，其可减少可训练参数五倍并比替代均衡器的 MSE 在复杂程度相当的条件下获得 3.5 dB 的改进。

    Oct, 2022

  • 相干光系统中神经网络均衡器的性能与复杂度研究

    本研究采用多种人工神经网络，采用 Bayesian optimizer 优化的方式进行非线性通道均衡，使用实验验证了不同神经网络的性能、复杂度和复杂度的权衡，并表明在没有复杂度限制下，CNN + biLSTM 是最佳选项，而在复杂度限制较低时，三层感知器提供最佳性能。

    Mar, 2021