深度学习辅助的超奈奎斯特速率光空间脉冲位置调制
摘要
针对现有光空间调制传输速率和频谱效率低的问题，提出了一种超奈奎斯特速率光空间脉冲位置调制（OSPPM-FTN）方案。推导了Gamma-Gamma湍流信道下该方案最大似然检测时的平均误码率上界，并与已有光空间脉冲位置调制（OSPPM）系统进行了性能对比。在此基础上，针对OSPPM-FTN发送信号的特点，提出了一种多分类神经网络（MNN）信号译码器，以大幅降低计算复杂度。最后，采用蒙特卡罗方法进行了仿真。结果表明，随着加速因子的减小，所提系统的频谱效率和传输速率有明显提升，其代价是信噪比（SNR）损失。当加速因子为0.9时，相比于传统（4，4，4）-OSPPM，所提系统的频谱效率和传输速率分别提升了17%和5.5%，SNR损失仅为1 dB。同时，采用MNN译码器可逼近最大似然最优译码性能并降低其计算复杂度，当探测器数目为8和16时，计算复杂度分别降低了69.75%和89.95%。
引用本文（GB/T 7714）
张悦 Zhang Yue, 叶翔文 Ye Xiangwen, 曹明华 Cao Minghua, 等. 深度学习辅助的超奈奎斯特速率光空间脉冲位置调制[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。