用于信道均衡的低复杂度基于样本与基于符号的神经网络接收机
信号处理
2023-08-29 v1
摘要
低复杂度神经网络（NN）已成功应用于短距离强度调制直接检测光链路中的数字信号处理（DSP），其中色散引起的损伤严重限制了传输距离。基于 NN 的均衡器通常独立于其他 DSP 组件（如匹配滤波）进行优化。这种方法可能导致较低的均衡性能。或者，将 NN 均衡器优化为执行多个 DSP 模块的功能可在保持低复杂度的同时增加传输距离。在这项工作中，我们提出了一种执行样本到符号均衡的低复杂度 NN，即基于 NN 的均衡器包含匹配滤波和下采样。我们在性能和计算复杂度方面将其与随后进行匹配滤波和下采样的样本到样本均衡方法进行比较。使用三种不同类型的 NN 结合光预处理对两种方法进行评估。我们通过数值和实验表明，所提出的用于 32 GBd 开关键控（OOK）信号的样本到符号均衡方法在保持低计算复杂度的同时优于样本域替代方案。此外，还针对不同类型基于 NN 的均衡器在性能相对于计算复杂度方面进行了比较。
引用
@article{arxiv.2308.14426,
title = {Low-complexity Samples versus Symbols-based Neural Network Receiver for Channel Equalization},
author = {Yevhenii Osadchuk and Ognjen Jovanovic and Stenio M. Ranzini and Roman Dischler and Vahid Aref and Darko Zibar and Francesco Da Ros},
journal= {arXiv preprint arXiv:2308.14426},
year = {2023}
}