基于卷积神经网络(CNN)与二值卷积神经网络(BCNN)的毫米波光纤无线电系统实验演示
信号处理
2020-01-08 v1
摘要
毫米波(mm-wave)光纤无线电(RoF)系统作为向终端用户传输高速无线信号的有前景方案已被广泛研究，而神经网络被用于解决各种线性和非线性损伤。然而，为有效提升系统性能，需要高昂的计算成本和大量训练数据。本文提出并演示了基于高计算效率的卷积神经网络(CNN)和二值卷积神经网络(BCNN)的决策方案以解决这些局限。所提出的基于CNN和BCNN的决策方案在5 Gbps、60 GHz的RoF系统中进行了演示，光纤距离可达20 km。与先前演示的神经网络相比，结果表明误码率(BER)性能和计算密集的训练过程均得到改善。所需训练迭代次数减少约50%，所需训练数据量减少超过30%。此外，在提出的CNN和BCNN方案中，对于整个测量接收光功率范围超过3.5 dB的情况仅需一次训练，从而进一步降低在毫米波RoF系统中实现神经网络决策方案的计算成本。
引用
@article{arxiv.2001.02018,
title = {Experimental Demonstration of Millimeter-Wave Radio-over-Fiber System with Convolutional Neural Network (CNN) and Binary Convolutional Neural Network (BCNN)},
author = {Jeonghun Lee and Jiayuan He and Yitong Wang and Chengwei Fang and Ke Wang},
journal= {arXiv preprint arXiv:2001.02018},
year = {2020}
}
备注
6 pages, 5 figures