面向非线性带限信道的基于神经网络的串行干扰消除
信息论
2024-08-28 v2 信号处理
math.IT
摘要
在带限和非线性信道上的可靠通信通常需要均衡以简化接收机处理。执行联合检测与解码（JDD）的均衡器能达到最高的信息速率，但往往因过于复杂而难以实现。为应对这一挑战，研究表明，对于具有无记忆非线性和加性高斯白噪声的带限信道，执行串行干扰消除（SIC）的基于模型的神经网络（NN）均衡器可逼近JDD信息速率。所选的神经网络具有周期性时变和递归结构，在每一SIC阶段模仿前向-后向算法（FBA）。针对具有平方律检测的短距离光纤链路的仿真表明，NN-SIC几乎将当前频谱效率提高了一倍，且与最先进的强度调制相比，双极性或复值调制实现了高达3dB的能量增益。此外，NN-SIC的复杂度远低于执行JDD、失配FBA处理和吉布斯采样的均衡器。
引用
@article{arxiv.2401.09217,
title = {Neural Network-Based Successive Interference Cancellation for Non-Linear Bandlimited Channels},
author = {Daniel Plabst and Tobias Prinz and Francesca Diedolo and Thomas Wiegart and Georg Böcherer and Norbert Hanik and Gerhard Kramer},
journal= {arXiv preprint arXiv:2401.09217},
year = {2024}
}
备注
Submitted to IEEE Trans. Commun. on January 11, 2024; revised June 9, 2024; revised August 9, 2024; accepted August 11, 2024