Fugu-MT 論文翻訳(概要): Real-Time FPGA Demonstrator of ANN-Based Equalization for Optical Communications

論文の概要: Real-Time FPGA Demonstrator of ANN-Based Equalization for Optical Communications

arxiv url: http://arxiv.org/abs/2402.15288v1
Date: Fri, 23 Feb 2024 12:33:27 GMT
ステータス: 処理完了
システム内更新日: 2024-02-26 14:43:03.338653
Title: Real-Time FPGA Demonstrator of ANN-Based Equalization for Optical Communications
Title（参考訳）: 光通信のためのANNに基づく等化の実時間FPGAデモ
Authors: Jonas Ney, Patrick Matalla, Vincent Lauinger, Laurent Schmalen, Sebastian Randel, Norbert Wehn
Abstract要約: 人工ニューラルネットワーク(ANN)を用いた等化器のFPGA(高スループットフィールドプログラマブルゲートアレイ)デストレータを提案する。 30GBdの2レベルパルス振幅変調(PAM2)光通信システムにおいて、等化を行い、リアルタイムに図示する。
参考スコア（独自算出の注目度）: 6.386085611014836
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we present a high-throughput field programmable gate array (FPGA) demonstrator of an artificial neural network (ANN)-based equalizer. The equalization is performed and illustrated in real-time for a 30 GBd, two-level pulse amplitude modulation (PAM2) optical communication system.
Abstract（参考訳）: 本研究では,ニューラルネットワーク(ANN)を用いた等化器のFPGA実証器について述べる。 30GBdの2レベルパルス振幅変調(PAM2)光通信システムにおいて、等化を行い、リアルタイムに図示する。

関連論文リスト

CNN-Based Equalization for Communications: Achieving Gigabit Throughput with a Flexible FPGA Hardware Architecture [6.081142345739704]
本稿では、現代の光通信システムのスループット要件を満たすANNベースの等化器の高性能FPGA実装について述べる。この実装は、アルゴリズムからハードウェアアーキテクチャへの最適化を特徴とする層間設計アプローチに基づいている。 FPGAの実装は40GB以上のスループットを実現し、高性能なグラフィックス処理ユニットより優れている。
論文参考訳（メタデータ） (2024-04-22T09:13:47Z)
Unsupervised ANN-Based Equalizer and Its Trainable FPGA Implementation [5.487336551142519]
本稿では、新しいANNベースの教師なし等化器とそのトレーニング可能なフィールドプログラマブルゲートアレイ(FPGA)の実装について述べる。実用的な通信システムに向けた第一歩として,提案アルゴリズムのFPGAによる効率的な実装を設計し,Gbit/sのスループットを実現する。
論文参考訳（メタデータ） (2023-04-14T08:17:05Z)
A Hybrid Approach combining ANN-based and Conventional Demapping in Communication for Efficient FPGA-Implementation [6.072680828922663]
オートエンコーダ (AE) は、送信機と受信機の一部を人工ニューラルネットワーク (ANN) で置き換える概念である。本稿では,AEの適応性と従来のデマッピングアルゴリズムの効率性を組み合わせたFPGA上での効率的なANNベースのリマッピング手法を提案する。我々の研究は、FPGA上でのANNベースの通信アルゴリズムの実用化への扉を開く。
論文参考訳（メタデータ） (2023-04-11T07:58:01Z)
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)
Towards FPGA Implementation of Neural Network-Based Nonlinearity Mitigation Equalizers in Coherent Optical Transmission Systems [3.2482344354758723]
FPGAでは、非線形性補償のためのリカレントおよびフィードフォワードニューラルネットワークベースの等化器が実装されている。 NNベースの等化器は1ステップ当たりのDBPよりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-24T09:41:26Z)
Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文参考訳（メタデータ） (2022-05-22T12:16:43Z)
Demo: Real-Time Semantic Communications with a Vision Transformer [14.85519988496995]
画像伝送のためのエンドツーエンドのディープニューラルネットワークアーキテクチャを提案し,その実現可能性を示す。我々の知る限りでは、視覚変換器を用いたリアルタイムセマンティックコミュニケーションを実装し、研究するのはこれが初めてである。
論文参考訳（メタデータ） (2022-05-08T14:49:54Z)
Proximal Policy Optimization-based Transmit Beamforming and Phase-shift Design in an IRS-aided ISAC System for the THz Band [90.45915557253385]
テラヘルツ(THz)帯で動作するIRS支援統合センシング・通信(ISAC)システムを提案し,システム容量を最大化する。透過ビームフォーミングと位相シフト設計はエルゴード制約を伴う普遍最適化問題に変換される。
論文参考訳（メタデータ） (2022-03-21T09:15:18Z)
Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文参考訳（メタデータ） (2021-10-22T20:49:02Z)
Photonic reservoir computer based on frequency multiplexing [56.663315405998354]
本稿では、周波数領域多重化を利用してニューロン状態を符号化する貯水池コンピュータのフォトニック実装について報告する。このシステムは同時に25個のコムライン(すなわち25個のニューロン)を20MHzの速度で処理する。
論文参考訳（メタデータ） (2020-08-25T19:30:42Z)
Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文参考訳（メタデータ） (2020-07-07T08:22:56Z)

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。