論文の概要: Learned Digital Back-Propagation for Dual-Polarization Dispersion
Managed Systems
- arxiv url: http://arxiv.org/abs/2205.11376v1
- Date: Mon, 23 May 2022 15:10:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-25 01:11:32.356065
- Title: Learned Digital Back-Propagation for Dual-Polarization Dispersion
Managed Systems
- Title(参考訳): Dual-Polarization Dispersion Managed Systemのためのディジタルバックプロパゲーションの学習
- Authors: Mohannad Abu-romoh (1), Nelson Costa (2), Antonio Napoli (3), Bernhard
Spinnler (3), Yves Jaou\"en (1), Mansoor Yousefi (1) ((1) T\'el\'ecom Paris,
(2) Infinera, Portugal, (3) Infinera, Germany)
- Abstract要約: ディジタルバックプロパゲーション(DBP)と学習DBP(LDBP)はWDM双極分極分散管理システムにおける非線形性軽減のために提案される。
LDBP は 1.8 dB と 1.2 dB のQ-factor の改善をそれぞれ線形等化と DM システムに適合した DBP の変種で達成する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital back-propagation (DBP) and learned DBP (LDBP) are proposed for
nonlinearity mitigation in WDM dual-polarization dispersion-managed systems.
LDBP achieves Q-factor improvement of 1.8 dB and 1.2 dB, respectively, over
linear equalization and a variant of DBP adapted to DM systems.
- Abstract(参考訳): ディジタルバックプロパゲーション(DBP)と学習DBP(LDBP)は、WDM双極分極分散管理システムにおける非線形性軽減のために提案される。
LDBP は 1.8 dB と 1.2 dB のQ-factor の改善をそれぞれ線形等化と DM システムに適合した DBP の変種で達成する。
関連論文リスト
- A Graph Reconstruction by Dynamic Signal Coefficient for Fault
Classification [20.273719790567743]
本稿では,エンドツーエンドの故障診断モデルにおいて重要な役割を担う動的特徴再構成信号グラフ法を提案する。
軸受の公開データプラットフォームとロボット研削実験用プラットフォームの実験結果から, 本手法は, ノイズ強度の異なる既存手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-05-30T12:24:41Z) - Generative Diffusion Prior for Unified Image Restoration and Enhancement [62.76390152617949]
既存の画像復元法は、主に自然画像の後方分布を利用する。
教師なしサンプリング方式で後部分布を効果的にモデル化するための生成拡散優先(GDP)を提案する。
GDPは、線形逆問題、非線形問題、ブラインド問題を解くために、プレトレインデノナイジング拡散生成モデル(DDPM)を利用する。
論文 参考訳(メタデータ) (2023-04-03T16:52:43Z) - On Neural Architectures for Deep Learning-based Source Separation of
Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。
我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文 参考訳(メタデータ) (2023-03-11T16:29:13Z) - MIMO-DBnet: Multi-channel Input and Multiple Outputs DOA-aware
Beamforming Network for Speech Separation [55.533789120204055]
混合信号のみを用いた方向案内音声分離のためのエンドツーエンドビームフォーミングネットワークを提案する。
具体的には,複数チャネルの入力と複数出力アーキテクチャを設計し,各ソースの指向性に基づく埋め込みとビームフォーミング重みを推定する。
論文 参考訳(メタデータ) (2022-12-07T01:52:40Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳(メタデータ) (2022-08-30T20:16:17Z) - Two-pass Decoding and Cross-adaptation Based System Combination of
End-to-end Conformer and Hybrid TDNN ASR Systems [61.90743116707422]
本稿では,ハイブリッドTDNNとConformer E2E ASRシステムのためのマルチパス再構成とクロスアダプティブに基づくシステムの組み合わせについて検討する。
NIST Hub5'00、Rt03、Rt02の評価データに対して、マルチパス再構成を用いて得られた最良の組み合わせシステムにより、統計的に有意な単語誤り率(WER)が2.5%から3.9%の絶対値(22.5%から28.9%の相対値)に低下した。
論文 参考訳(メタデータ) (2022-06-23T10:17:13Z) - Blind Estimation of a Doubly Selective OFDM Channel: A Deep Learning
Algorithm and Theory [1.0742675209112622]
深層学習(DL)に基づくブラインド2倍選択チャネル推定器を提案する。
この推定器は、対応する最先端の推定器とは異なり、パイロットシンボルを必要としない。
また,本研究では, ブラインドOFDMチャネル推定器の試験平均二乗誤差(MSE)性能について, この種の理論を初めて提示する。
論文 参考訳(メタデータ) (2022-05-30T07:04:04Z) - Neural Stochastic Dual Dynamic Programming [99.80617899593526]
我々は、問題インスタンスを断片的線形値関数にマッピングすることを学ぶトレーニング可能なニューラルモデルを導入する。
$nu$-SDDPは、ソリューションの品質を犠牲にすることなく、問題解決コストを大幅に削減できる。
論文 参考訳(メタデータ) (2021-12-01T22:55:23Z) - POD-DL-ROM: enhancing deep learning-based reduced order models for
nonlinear parametrized PDEs by proper orthogonal decomposition [0.0]
深層学習に基づく還元順序モデル(DL-ROM)は,従来の還元順序モデル(ROM)で共有される共通制限を克服するために最近提案されている。
本稿では, DL-ROMの高価なトレーニング段階を回避するために, (i) PODによる事前次元化を行い, (ii) 多要素事前学習段階に依存する方法を提案する。
提案したPOD-DL-ROMは、複数の(スカラーおよびベクトル、線形および非線形の両方)時間依存パラメタライズPDEで試験される。
論文 参考訳(メタデータ) (2021-01-28T07:34:15Z) - Model-Based Machine Learning for Joint Digital Backpropagation and PMD
Compensation [10.119875242641207]
最近提案された学習デジタルバックプロパゲーション(LDBP)と分極モード分散(PMD)の分散補償を組み合わせたハードウェアフレンドリーな時間領域非線形性緩和法
LDBP-PMD を複数の PMD 実現に向けて訓練し,最大 dB 性能の 1% 以内に収束することを示す。
実用システムにおける最先端のラッピングPMD補償アルゴリズムと同様に、我々の手法は、リンクに沿った特定のMDD実現に関する知識や、蓄積されたPMDに関する知識を前提としない。
論文 参考訳(メタデータ) (2020-10-23T11:37:35Z) - Model-Based Machine Learning for Joint Digital Backpropagation and PMD
Compensation [10.119875242641207]
マナコフ-PMD方程式の分割ステップ法をパラメータ化することにより、偏極多重系に対するモデルベース機械学習手法を提案する。
このアプローチは、ハードウェアフレンドリーなDBPと分散PMD補償を、PMDフリーケースに近い性能で実行する。
論文 参考訳(メタデータ) (2020-01-25T08:33:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。