通过端到端学习实现光纤信道的几何星座整形
信息论
2023-05-19 v3 信号处理
math.IT
摘要
端到端学习已成为优化通信系统星座形状的流行方法。当信道模型可微时，端到端学习可以应用传统的反向传播算法来优化形状。针对不可微信道模型，也开发了多种优化算法用于端到端学习。本文比较了基于容积卡尔曼滤波的无梯度优化方法、无模型优化和反向传播在通过分步傅里叶方法建模的光纤信道上进行端到端学习的性能。结果表明，无梯度优化算法在性能上可以作为反向传播的合适替代方案，但代价是计算复杂度增加。此外，本文还讨论了数模和模数转换器有限位分辨率带来的量化问题，并分析了其对几何整形星座的影响。结果表明，当针对互信息优化星座时，需要最少的量化级别才能获得整形增益。对于广义互信息，在所有考虑的量化级别中，增益都得以保持。结果还表明，自编码器可以根据给定的信道条件调整星座大小。
引用
@article{arxiv.2211.04311,
title = {Geometric Constellation Shaping for Fiber-Optic Channels via End-to-End Learning},
author = {Ognjen Jovanovic and Francesco Da Ros and Darko Zibar and Metodi P. Yankov},
journal= {arXiv preprint arXiv:2211.04311},
year = {2023}
}