用于非屏蔽双绞线千兆传输的 Deep-LMS 算法
信息论
2017-05-31 v1 math.IT
摘要
本文提出了一种用于串扰消除的快速收敛 LMS 算法。其架构类似于深度神经网络，其中多个层被顺序自适应。推动该方法的应用是在使用向量化系统的非屏蔽双绞线上实现千兆速率传输。该串扰消除算法在传统 LMS 串扰消除器之前使用了一个自适应非对角预处理矩阵。预处理矩阵的更新受深度神经网络启发。然而，由于 Deep-LMS 算法中的大多数操作是线性的，我们能够提供精确的收敛速度分析。预处理矩阵的作用是加速传统 LMS 串扰消除器的收敛，从而加速整个系统的收敛。Deep-LMS 对于新型 G.fast 标准中的串扰消除至关重要，在该标准中，由于扩展带宽下接收信号协方差矩阵的病态特性，传统 LMS 收敛非常缓慢。仿真结果支持了我们的分析，并显示与现有 LMS 变体相比，收敛时间显著缩短。
引用
@article{arxiv.1705.10459,
title = {Deep-LMS for gigabit transmission over unshielded twisted pair cables},
author = {Avi Zanko and Itsik Bergel and Amir Leshem},
journal= {arXiv preprint arXiv:1705.10459},
year = {2017}
}