面向带限光传输的神经网络辅助可变匹配滤波器
信号处理
2026-02-10 v1
摘要
本文提出一种神经网络辅助的可变匹配滤波框架，用于在带限信道条件下进行无载幅度相位（CAP）调制。与传统方法不同，本文接收端不取代解析推导的 CAP 匹配滤波器，而是基于从接收波形中提取的紧凑物理动机信号特征，对匹配滤波器进行残差式可变。共提取 16 个时域、频域和内存相关特征，以提供带宽引起脉冲失真的低维表示。这些特征由全连接神经网络映射为复数匹配滤波器系数，实现在符号速采样前的自适应脉冲形状补偿。网络基于误差矢量幅度（EVM）的可微损失函数端到端训练。实验结果表明，在严重带宽限制下，本文提出的可变匹配滤波器显著优于传统固定匹配滤波，无需决策反馈或增加接收延迟。
引用
@article{arxiv.2602.07169,
title = {ML-Enabled Deformable Matched Filters for Bandlimitation Compensation in Free-Space Optics},
author = {Paul Anthony Haigh},
journal= {arXiv preprint arXiv:2602.07169},
year = {2026}
}