Fugu-MT 論文翻訳(概要): Neural Probabilistic Amplitude Shaping for Nonlinear Fiber Channels

論文の概要: Neural Probabilistic Amplitude Shaping for Nonlinear Fiber Channels

arxiv url: http://arxiv.org/abs/2602.02716v1
Date: Mon, 02 Feb 2026 19:33:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-04 18:37:15.034168
Title: Neural Probabilistic Amplitude Shaping for Nonlinear Fiber Channels
Title（参考訳）: 非線形ファイバチャネルに対するニューラル確率振幅整形
Authors: Mohammad Taha Askari, Lutz Lampe, Amirhossein Ghazisaeidi,
Abstract要約: 我々は,コヒーレントファイバシステムのための共分散学習フレームワークであるニューラル確率振幅整形を導入する。提案方式は, 0.5dB信号対雑音比ゲインを, 単一スパン205kmをまたいだデュアルポーラライズ64-QAM伝送のシーケンス選択に与える。
参考スコア（独自算出の注目度）: 2.6279206947424845
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We introduce neural probabilistic amplitude shaping, a joint-distribution learning framework for coherent fiber systems. The proposed scheme provides a 0.5 dB signal-to-noise ratio gain over sequence selection for dual-polarized 64-QAM transmission across a single-span 205 km link.
Abstract（参考訳）: 我々は,コヒーレントファイバシステムのための共分散学習フレームワークであるニューラル確率振幅整形を導入する。提案方式は, 0.5dB信号対雑音比ゲインを, 単一スパン205kmをまたいだデュアルポーラライズ64-QAM伝送のシーケンス選択に与える。

関連論文リスト

Unrolled Neural Networks for Constrained Optimization [83.29547301151177]
我々のフレームワークは、ラグランジアンのサドル点を共同で近似する2つの結合ニューラルネットワークで構成されている。混合整数二次プログラムと無線ネットワークにおける電力配分に関する枠組みを数値的に評価する。
論文参考訳（メタデータ） (2026-01-24T03:12:41Z)
SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
論文参考訳（メタデータ） (2026-01-19T07:42:45Z)
Neural Probabilistic Shaping: Joint Distribution Learning for Optical Fiber Communications [8.184714897613164]
非線形ファイバーチャネル上での確率的形状形成のための自己回帰型エンドツーエンド学習手法を提案する。提案方式は, 結合シンボル分布を学習し, 両極化64-QAM伝送の最適化限界分布よりも0.3bits/2Dの達成可能な情報レートを, 単一スパン205kmのリンク上で提供する。
論文参考訳（メタデータ） (2025-07-21T19:21:51Z)
Two-mode squeezing over deployed fiber coexisting with conventional communications [55.41644538483948]
CV量子ネットワークと分散量子センシングを実現するために、マルチモードのスクイーズが重要である。これまで, ホモダイン検出によるマルチモードスクイージングは, シングルルーム実験に限られていた。このデモンストレーションにより、分散マルチモードのスクイーズに依存する量子ネットワークや量子センシングにおける将来の応用が可能になる。
論文参考訳（メタデータ） (2023-04-20T02:29:33Z)
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)
End-to-End Deep Learning of Long-Haul Coherent Optical Fiber Communications via Regular Perturbation Model [3.7683182861690843]
並列化可能な摂動チャネルモデルを用いたコヒーレント光通信のためのエンドツーエンドオートエンコーダに基づく新しい学習法を提案する。
論文参考訳（メタデータ） (2021-07-26T16:46:35Z)
SNR optimization of multi-span fiber optic communication systems employing EDFAs with non-flat gain and noise figure [0.0]
信号間雑音(SNR)最適化のためのマルチスパン伝送システムのコンポーネントワイズモデルを提案する。 GFFのないCバンド増幅器のゲインおよびノイズフィギュアスペクトルプロファイルについて、機械学習に基づくモデルを訓練する。 SNR平坦度を1.2dBまで同時に達成する。
論文参考訳（メタデータ） (2021-06-07T14:09:53Z)
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文参考訳（メタデータ） (2020-09-03T13:38:52Z)
Joint Learning of Probabilistic and Geometric Shaping for Coded Modulation Systems [12.325545487629297]
ビットワイド相互情報(BMI)の協調最適化を可能にするトレーニング可能な符号化変調方式を提案する。提案手法は対称確率分布に制限されず、任意のチャネルモデルに最適化でき、任意のコードレート$k/m$で動作する。
論文参考訳（メタデータ） (2020-04-10T14:56:32Z)

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。