基于现场可编程门阵列在相干光传输系统中实现神经网络均衡器
信号处理
2023-07-19 v2 硬件体系结构
计算复杂性
机器学习
摘要
在这项工作中，我们展示了用于相干光传输系统中非线性补偿的循环与前馈神经网络(NN)均衡器的离线FPGA实现。首先，我们给出了一个实现流程，展示了将模型从Python库转换至FPGA芯片综合与实现的过程。随后，我们回顾了非线性激活函数硬件实现的主要替代方案。主要结果分为三部分：性能比较、激活函数实现方式的分析，以及硬件复杂度的报告。针对单通道双偏振(SC-DP) 16QAM在34 GBd、沿17×70km LEAF的仿真与实验传输，给出了双向长短期记忆耦合卷积NN(biLSTM + CNN)均衡器、CNN均衡器以及标准1-StpS数字反向传播(DBP)的Q因子性能。在实验数据集上，biLSTM+CNN均衡器提供了与DBP相近的结果，并相较色散补偿基线获得了1.7 dB的Q因子增益。此后，我们评估了采用泰勒级数、分段线性和查找表(LUT)近似来近似NN激活函数时的Q因子及硬件资源占用的影响。我们还展示了如何通过额外训练来缓解近似误差，并给出了LUT近似中可能出现的梯度问题的若干见解。最后，为评估实现200G和400G吞吐量的硬件实现复杂度，我们开发并在FPGA中实现了具有近似激活函数的定点NN均衡器。
引用
@article{arxiv.2212.04703,
title = {Implementing Neural Network-Based Equalizers in a Coherent Optical Transmission System Using Field-Programmable Gate Arrays},
author = {Pedro J. Freire and Sasipim Srivallapanondh and Michael Anderson and Bernhard Spinnler and Thomas Bex and Tobias A. Eriksson and Antonio Napoli and Wolfgang Schairer and Nelson Costa and Michaela Blott and Sergei K. Turitsyn and Jaroslaw E. Prilepsky},
journal= {arXiv preprint arXiv:2212.04703},
year = {2023}
}
备注
Invited paper at Journal of Lightwave Technology - IEEE