검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Demodulation Framework Based on Machine Learning for Unrepeated Transmission Systems 반복되지 않는 전송 시스템을 위한 머신러닝 기반 복조 프레임워크

Ryuta SHIRAKI, Yojiro MORI, Hiroshi HASEGAWA

  • 조회수

    0

  • 이것을 인용

요약 :

우리는 가장 간단한 역전파(BP), 편파 및 위상 복구, 기계 학습(ML)을 위한 데이터 배열, ML 기반 기호 결정을 합리적으로 결합하여 반복되지 않는 전송 시스템의 최대 거리를 확장하기 위한 복조 프레임워크를 제안합니다. 전처리 단계에서 단일 단계 푸리에 방법을 채택하여 계산 비용을 최소화한 BP를 사용하면 섬유 비선형성 및 색 분산으로 인한 결정적 파형 왜곡이 부분적으로 제거됩니다. 비결정적 파형 왜곡, 즉 편파 및 위상 변동은 정밀한 방식으로 제거될 수 있습니다. 마지막으로, 최적화된 ML 모델은 가장 간단한 BP로는 상쇄할 수 없는 잔류 결정론적 파형 왜곡의 영향을 받아 기호 결정을 수행합니다. 광범위한 수치 시뮬레이션을 통해 DP-16QAM 신호가 광 중계기 없이 표준 단일 모드 광섬유를 통해 240km 이상 전송될 수 있음이 확인되었습니다. 최대 전송 거리가 25km 연장됩니다.

발행
IEICE TRANSACTIONS on Communications Vol.E107-B No.1 pp.39-48
발행일
2024/01/01
공개일
2023/09/14
온라인 ISSN
1745-1345
DOI
10.1587/transcom.2023PNP0003
원고의 종류
Special Section PAPER (Special Section on Photonic Network Technology for Beyond 5G/6G Era)
범주

작성자

Ryuta SHIRAKI
  Kyoto University
Yojiro MORI
  Nagoya University
Hiroshi HASEGAWA
  Nagoya University

키워드