光通信的端到端深度学习
信息论
2018-11-27 v3 math.IT
机器学习
摘要
在本文中，我们将光纤通信系统实现为一个端到端深度神经网络，包括发射机、信道模型和接收机的完整链路。该方法能够在单一端到端过程中优化收发机。我们通过将其应用于强度调制/直接检测（IM/DD）系统来说明该方法的优势，并表明我们能够实现低于 6.7% 硬判决前向纠错（HD-FEC）阈值的误码率。我们对发射机和接收机以及光纤信道的所有组件进行建模，并应用深度学习寻找使符号错误率最小的发射机和接收机配置。我们提出并在仿真中验证了一种训练方法，该方法产生鲁棒且灵活的收发机，允许——无需重新配置——在很大链路色散范围内可靠传输。端到端深度学习的结果首次在实验中成功验证。特别地，我们在超过 40 km 的距离上实现了低于 HD-FEC 阈值的 42 Gb/s 信息速率。我们发现我们的结果优于基于 2 和 4 电平脉冲幅度调制（PAM2/PAM4）且在接收机采用前馈均衡（FFE）的传统 IM/DD 方案。我们的研究是迈向基于端到端深度学习的光纤通信系统优化的第一步。
引用
@article{arxiv.1804.04097,
title = {End-to-end Deep Learning of Optical Fiber Communications},
author = {Boris Karanov and Mathieu Chagnon and Félix Thouin and Tobias A. Eriksson and Henning Bülow and Domaniç Lavery and Polina Bayvel and Laurent Schmalen},
journal= {arXiv preprint arXiv:1804.04097},
year = {2018}
}
备注
submitted to IEEE/OSA Journal of Lightwave Technology