基于深度学习的自由空间光载射频系统WDM功率最优分配
信号处理
2019-06-25 v1 机器学习
摘要
自由空间光载射频（RoFSO）作为异构无线业务的通用平台，能够在自由空间光网络中以高速率传输多个射频信号。本文研究RoFSO系统中波分复用（WDM）传输的功率分配优化设计。所提问题是一个带总功率限制和眼睛安全约束的加权总容量最大化问题。首先给出基于模型的随机对偶梯度算法，其利用零对偶间隙精确求解该问题。随后开发了无模型的原始-对偶深度学习算法，借助深度神经网络（DNN）参数化来学习和优化功率分配策略，该算法可在无任何系统模型知识的情况下使用。数值仿真表明，与平均等功率分配相比，我们的算法性能显著提升。
引用
@article{arxiv.1906.09981,
title = {Optimal WDM Power Allocation via Deep Learning for Radio on Free Space Optics Systems},
author = {Zhan Gao and Mark Eisen and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:1906.09981},
year = {2019}
}