مقاله اکولایزرهای شبکه عصبی و لغو تداخل پی در پی برای کانال های باند محدود با غیر خطی

چکیده

Neural networks (NNs) inspired by the forward-backward algorithm (FBA) are used as equalizers for bandlimited channels with a memoryless nonlinearity. The NN-equalizers are combined with successive interference cancellation (SIC) to approach the information rates of joint detection and decoding (JDD) with considerably less complexity than JDD and other existing equalizers. Simulations for short-haul optical fiber links with square-law detection illustrate the gains of NNs as compared to the complexity-limited FBA and Gibbs sampling.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی (NNS) با الهام از الگوریتم به جلو به عقب (FBA) به عنوان تسویه حساب کننده برای کانال های بانداژ با غیرخطی بی حافظه استفاده می شوند.سهامداران NN با لغو تداخل پی در پی (SIC) برای نزدیک شدن به نرخ اطلاعات تشخیص مشترک و رمزگشایی (JDD) با پیچیدگی قابل توجهی کمتر از JDD و سایر تسویه حساب های موجود همراه هستند.شبیه سازی برای پیوندهای فیبر نوری با مسافت کوتاه با تشخیص مربع ، سود NNS را در مقایسه با نمونه گیری FBA و گیبس محدود شده نشان می دهد.