論文の概要: Neural Network Architectures for Optical Channel Nonlinear Compensation
in Digital Subcarrier Multiplexing Systems
- arxiv url: http://arxiv.org/abs/2304.06836v1
- Date: Thu, 13 Apr 2023 21:58:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 15:10:28.351038
- Title: Neural Network Architectures for Optical Channel Nonlinear Compensation
in Digital Subcarrier Multiplexing Systems
- Title(参考訳): ディジタルサブキャリア多重システムにおける光チャネル非線形補償のためのニューラルネットワークアーキテクチャ
- Authors: Ali Bakhshali, Hossein Najafi, Behnam Behinaein Hamgini, Zhuhong Zhang
- Abstract要約: 本稿では,デジタルサブキャリア多重化(DSCM)光伝送システムにおけるファイバ非線形干渉のモデル化と補償に,様々なニューラルネットワーク(ANN)構造を用いることを提案する。
我々は,DSCMシステムの繊維非線形歪みを,すべてのサブキャリアにまたがる完全連結ネットワークによって補償し始める。
DSCMシステムにおけるANN非線形等化器の設計に適切なマクロ構造を組み込むことは,次世代のコヒーレント光トランシーバの実用化に不可欠であることを示す。
- 参考スコア(独自算出の注目度): 0.9252523881586052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we propose to use various artificial neural network (ANN)
structures for modeling and compensation of intra- and inter-subcarrier fiber
nonlinear interference in digital subcarrier multiplexing (DSCM) optical
transmission systems. We perform nonlinear channel equalization by employing
different ANN cores including convolutional neural networks (CNN) and long
short-term memory (LSTM) layers. We start to compensate the fiber nonlinearity
distortion in DSCM systems by a fully connected network across all subcarriers.
In subsequent steps, and borrowing from fiber nonlinearity analysis, we
gradually upgrade the designs towards modular structures with better
performance-complexity advantages. Our study shows that putting proper macro
structures in design of ANN nonlinear equalizers in DSCM systems can be crucial
for practical solutions in future generations of coherent optical transceivers.
- Abstract(参考訳): 本研究では,デジタルサブキャリア多重化(DSCM)光伝送システムにおけるサブキャリア内およびサブキャリア間非線形干渉のモデル化と補償に,様々なニューラルネットワーク(ANN)構造を用いることを提案する。
畳み込みニューラルネットワーク(CNN)や長寿命メモリ(LSTM)などの異なるANNコアを用いて非線形チャネル等化を行う。
我々は,DSCMシステムの繊維非線形歪みを,すべてのサブキャリアにまたがる完全連結ネットワークによって補償し始める。
その後のステップ、およびファイバー非線形性解析からの借用により、我々はより優れた性能・複雑さの利点を持つモジュラー構造への設計を徐々にアップグレードする。
DSCMシステムにおけるANN非線形等化器の設計に適切なマクロ構造を組み込むことは,次世代のコヒーレント光トランシーバの実用化に不可欠であることを示す。
関連論文リスト
- Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。
スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。
分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。
本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
論文 参考訳(メタデータ) (2024-11-07T14:08:35Z) - 1-bit Quantized On-chip Hybrid Diffraction Neural Network Enabled by Authentic All-optical Fully-connected Architecture [4.594367761345624]
本研究では,行列乗算をDNNに組み込んだ新しいアーキテクチャであるHybrid Diffraction Neural Network(HDNN)を紹介する。
特異位相変調層と振幅変調層を用いて、トレーニングされたニューラルネットワークは、数字認識タスクにおいて96.39%と89%の顕著な精度を示した。
論文 参考訳(メタデータ) (2024-04-11T02:54:17Z) - 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) - Over-the-Air Split Machine Learning in Wireless MIMO Networks [56.27831295707334]
スプリット機械学習(ML)では、ニューラルネットワーク(NN)の異なるパーティションが異なる計算ノードによって実行される。
通信負担を軽減するため、OAC(Over-the-air calculation)は通信と同時に計算の全てまたは一部を効率的に実装することができる。
論文 参考訳(メタデータ) (2022-10-07T15:39:11Z) - Data-Driven Deep Learning Based Hybrid Beamforming for Aerial Massive
MIMO-OFDM Systems with Implicit CSI [29.11998008894847]
本稿では,データ駆動型深層学習に基づく統合ハイブリッドビームフォーミングフレームワークを提案する。
TDDシステムでは、提案されたDLベースのアプローチは、E2Eニューラルネットワークとして、アップリンクパイロットの組み合わせとダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
FDDシステムにおいて、我々は、E2Eニューラルネットワークとして、ダウンリンクパイロットトランスミッション、アップリンクCSIフィードバック、およびダウンリンクハイブリッドビームフォーミングモジュールを共同でモデル化する。
論文 参考訳(メタデータ) (2022-01-18T07:21:00Z) - On the Application of Data-Driven Deep Neural Networks in Linear and
Nonlinear Structural Dynamics [28.979990729816638]
線形および非線形構造力学系のサロゲートとしてディープニューラルネットワーク(DNN)モデルを用いる。
焦点は、完全に接続された、疎結合で、畳み込みネットワーク層を使った効率的なネットワークアーキテクチャの開発である。
提案したDNNは,高調波負荷下での線形および非線形動的応答の予測に有効かつ正確なサロゲートとして利用できることを示す。
論文 参考訳(メタデータ) (2021-11-03T13:22:19Z) - A novel Deep Neural Network architecture for non-linear system
identification [78.69776924618505]
非線形システム識別のための新しいDeep Neural Network (DNN)アーキテクチャを提案する。
メモリシステムにインスパイアされたインダクティブバイアス(アーキテクチャ)と正規化(損失関数)を導入する。
このアーキテクチャは、利用可能なデータのみに基づいて、自動的な複雑性の選択を可能にする。
論文 参考訳(メタデータ) (2021-06-06T10:06:07Z) - Performance and Complexity Analysis of bi-directional Recurrent Neural
Network Models vs. Volterra Nonlinear Equalizers in Digital Coherent Systems [0.0]
両方向RNNモデル,すなわちbi-LSTM,bi-GRU,bi-Vanilla-RNNを評価する。
両Vanilla-RNNとVolterra非線形等化器を比較し,その性能と複雑性の両面で優位性を示す。
論文 参考訳(メタデータ) (2021-03-03T11:22:05Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳(メタデータ) (2021-01-05T03:55:04Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-07-27T12:38:37Z) - Compensation of Fiber Nonlinearities in Digital Coherent Systems
Leveraging Long Short-Term Memory Neural Networks [0.18352113484137625]
本稿では,デジタルコヒーレントシステムにおける繊維非線形性の補償のために,Long Short-term memory (LSTM) ニューラルネットワークアーキテクチャを初めて導入する。
偏光多重化によるシングルチャネルとマルチチャネル16-QAM変調方式のCバンドまたはOバンド伝送システムを考慮した数値シミュレーションを行う。
論文 参考訳(メタデータ) (2020-01-31T12:50:48Z)
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。