May, 2024

112 Gb/s 上行 PON 中基于傅立叶卷积网络的先进均衡技术

PDF
TL;DR本文通过实验证明了一种新颖的基于低复杂度傅里叶卷积网络（FConvNet）的 112 Gb/s 上行 PAM4-PON 均衡器。在 0.005 的误码率下，与 51 项 Sato 均衡器和基准机器学习算法相比，FConvNet 提高了接收机的灵敏度 2 dB 和 1 dB，分别。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

  • 光通信中不同神经网络均衡器的计算复杂度的实验评估

    通过对几种神经网络架构进行比较分析，我们定量地评估了基于神经网络的光信道均衡器在性能和复杂度之间的平衡，并给出了在 TWC 和 SSMF 设置下的结果。

    Sep, 2021

  • 光纤通信中非线性薛定谔方程的深度学习

    通过深度学习优化，可以显著降低纤维光通信中非线性薛定谔方程求解的复杂度，使得使用分裂步傅里叶法比线性均衡算法只多 2-6 倍计算量即可获得类似的准确性。

    Apr, 2018

  • 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

  • 光纤通信的端到端深度学习

    本论文采用深度学习实现了一种光纤通信系统，可通过单端到端的过程优化收发器，构建出一个灵活的，鲁棒性较好的收发器，成功地将其应用于强度调制 / 直接检测（IM/DD）系统，实现了可靠的传输，并将传输速度提高至 42GBfs。

    Apr, 2018