基于LSTM的等分器,具有2×2 MIMO光子辅助THz无线系统的多头注意力和封闭机制

科学领域:

• 光学通信是指光学通信.
• 特拉赫兹 (THz) 技术技术
• 机器学习用于信号处理.

背景情况:

• 光学辅助的THz通信对6G至关重要,因为它提供了高速和容量.
• 非线性损伤严重影响THz信号传输质量.
• 现有的均衡方法在高频系统中难以处理非线性损伤.

研究的目的:

• 提出和评估一种基于长短记忆 (LSTM) 的新型等分器,具有多头注意力和门口机制 (MHAG-LSTM).
• 增强光子辅助THz通信系统中的非线性补偿能力.
• 为了减少未来6G高频通信的计算复杂性.

主要方法:

• 开发了一个MHAG-LSTM模型,将LSTM的时间建模与注意力的全球范围以及动态重量调整的门机制相结合.
• 在200米的户外无线传输50 GBaud极化分裂多重复合 (PDM) QPSK信号的140 GHz进行了实验.
• 将MHAG-LSTM性能与完全连接的神经网络 (FCNN),卷积神经网络 (CNN),LSTM和变压器等效器进行比较.

主要成果:

• 在相同的输入功率下,MHAG-LSTM 实现比 FCNN,CNN,LSTM 和变压器等效器更低的位误差率 (BER).
• 在16dBm光功率下实现了低于7%的硬决策前置错误校正 (HD-FEC) 门 (3.8×10−3) 的BER.
• 与CNN,LSTM和变压器相比,降低了平均等效BER的57.07%和每符号的真实乘法 (RMpS) 的13.5%.

结论:

• MHAG-LSTM等分器在光子辅助的THz通信中展示了卓越的非线性补偿.
• 该模型为未来6G高频,高容量系统的智能均等提供了一个有前途的解决方案.
• MHAG-LSTM为先进的通信技术提供了低复杂度的实施参考.