远程光子学辅助的17.6Gbit/s D频段PS-64QAM传输使用网关反复单元算法与复杂的QAM输入

科学领域:

• 光学通信是指光学通信.
• 无线通信无线通信
• 机器学习 机器学习

背景情况:

• 远程D频段无线传输因吸收损失和系统非线性而面临限制.
• 探索m-QAM格式对于提高D频段系统中的频谱效率和SNR至关重要.
• 在光子学辅助的毫米波系统中的非线性需要先进的补偿技术.

研究的目的:

• 研究机器学习算法在D频段无线传输中进行非线性补偿的有效性.
• 提出和评估一个新的门循环单元 (GRU) 算法,具有复杂的QAM输入,以提高接收器灵敏度.
• 为了比较复杂值神经网络 (CVNN),单车道长短期内存 (SL-LSTM) 和单车道门反复单元 (SL-GRU) 的D频段信号恢复性能.

主要方法:

• 实现适应性深度学习方法,包括CVNN,SL-LSTM和SL-GRU,具有复杂的QAM输入.
• 试验设置为135 GHz无线传输超过4.6公里.
• 对不同调制格式 (QPSK和PS-64QAM) 的信号恢复精度和传输能力的评估.

主要成果:

• 成功无线传输135 GHz 4Gbaud QPSK和PS-64QAM信号超过4.6公里.
• 使用拟议的GRU算法来证明改进的接收器灵敏度.
• CVNN等分器是QPSK恢复的最佳,而SL-GRU是PS-64QAM在远程D频段传输中最好的.
• 实现高达17.6 Gbit/s的有效数据速率.

结论:

• 高级调制和NN监督的算法与复杂输入的组合显示了未来6G移动通信的重大前景.
• 在长途D频段无线连接中,SL-GRU为PS-64QAM恢复提供了卓越的性能.
• 基于深度学习的非线性补偿对于实现高容量,远程D频段通信至关重要.