MMApr, 2023

基于 ANN 的无监督均衡器及其可训练 FPGA 实现

PDF
TL;DR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。
artificial neural networkunsupervised trainingequalizerfpga implementationcommunication system
发现论文，激发创造
  • 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 FPGA 的多层机器学习均衡器及芯片内训练实现

    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。

    Dec, 2022

  • 脉冲神经网络决策反馈均衡

    本文在通信工程中对脑神经元类似的尖峰神经网络（SNN）进行了研究，提出了一种类似于决策反馈均衡器（DFE）的基于 SNN 的均衡器，并展示了其相比于传统的线性均衡器在三个典型信道上明显的优化效果，为实现低功耗的通信系统提供了可行方案。

    Nov, 2022

  • 一种混合方法，将基于人工神经网络和传统解调相结合，用于有效地在 FPGA 中实现通信

    本研究提出一种基于自编码器的有效神经网络重映射方法，以结合传统的解调算法，实现在 FPGAs 上进行通信。我们的方法在保证通信效果的同时，提高了硬件的效率，为 ANN 通信算法在实际应用中提供了新思路。

    Apr, 2023

  • 脉冲神经网络决策反馈均衡技术用于 IM/DD 系统

    本研究使用有决策反馈结构的脉冲神经网络（SNN）均衡器应用于具有不同参数的 IM / DD 链路，结果发现 SNN 优于线性和人工神经网络（ANN）均衡器。

    Apr, 2023

  • 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

  • 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

  • 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

  • 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