相干光系统中神经网络均衡器的性能与复杂度研究
信号处理
2021-10-13 v2
摘要
我们给出了相干光通信系统中用于非线性信道均衡的几种人工神经网络（NNs）的性能与复杂度对比分析结果。该对比使用受 Kerr 非线性与器件缺陷主导的传输实验装置进行。我们首次研究了将卷积层（CNN）与双向长短期记忆（biLSTM）层结合的信道均衡应用，以及将 CNN 与多层感知机结合的设计。其性能与先前提出的 NN 均衡器模型进行比较：单层 biLSTM、三层密集感知机以及回声状态网络。重要的是，所有架构最初都经过贝叶斯优化器优化。我们推导了与各 NN 类型相关的计算复杂度——以每符号实数乘法数表示，以便这些结果可应用于大量通信系统。我们证明，在特定的所考虑实验系统中，卷积层与 biLSTM 耦合（CNN+biLSTM）相比参考线性色散补偿提供了最高的 Q 因子改善（2.9 dB 改善）。我们考察了所有均衡器的计算复杂度与性能之间的权衡，并证明当计算复杂度不受约束时 CNN+biLSTM 是最佳选择，而当我们将复杂度限制到较低水平时，三层感知机提供最佳性能。我们对不同 NN 的复杂度分析是通用的，可应用于广泛的物理与工程系统。
引用
@article{arxiv.2103.08212,
title = {Performance versus Complexity Study of Neural Network Equalizers in Coherent Optical Systems},
author = {Pedro J. Freire and Yevhenii Osadchuk and Bernhard Spinnler and Antonio Napoli and Wolfgang Schairer and Nelson Costa and Jaroslaw E. Prilepsky and Sergei K. Turitsyn},
journal= {arXiv preprint arXiv:2103.08212},
year = {2021}
}