针对具有收发机硬件损伤的波分复用系统的基于模型的端到端学习
信号处理
2021-11-30 v1
摘要
我们提出了一种用于受硬件缺陷损伤的波分复用（WDM）系统的基于自编码器（AE）的收发机。我们遵循传统通信系统的架构来设计该自编码器，这使得在训练前可将基于AE的收发机初始化为具有与传统对应方案相近的性能，并提升训练收敛速度。我们首先在单信道系统中训练该AE，结果表明其通过将能量置于所需带宽之外来实现性能提升，因此无法用于WDM系统。随后我们在WDM设置下训练该AE。仿真结果表明，所提出的AE显著优于传统方法。更具体地，对于滚降系数分别为10%和1%的基于根升余弦滤波器的匹配滤波器，其通过减少保护带37%和50%提高了所考虑系统的频谱效率。一项消融研究表明，性能增益可归因于符号映射器、脉冲整形滤波器以及符号解映射器的优化。最后，我们假设信道模型未知，利用强化学习来学习脉冲整形滤波器。仿真结果表明，基于强化学习的算法在假设具备完美信道知识的标准监督端到端学习方法下取得了相近的性能。
引用
@article{arxiv.2111.14515,
title = {Model-Based End-to-End Learning for WDM Systems With Transceiver Hardware Impairments},
author = {Jinxiang Song and Christian Häger and Jochen Schröder and Alexandre Graell i Amat and Henk Wymeersch},
journal= {arXiv preprint arXiv:2111.14515},
year = {2021}
}
备注
invited papaer, 13 pages, 11 figures