深度学习辅助的超奈奎斯特速率光空间脉冲位置调制
Deep Learning-Aided Faster-Than-Nyquist Rate Optical Spatial Pulse Position Modulation作者机构:兰州理工大学计算机与通信学院甘肃兰州730050
出 版 物:《光学学报》 (Acta Optica Sinica)
年 卷 期:2024年第44卷第5期
页 面:49-59页
核心收录:
学科分类:08[工学] 0803[工学-光学工程] 0702[理学-物理学]
基 金:国家自然科学基金(62265010,61875080,62261033) 兰州理工大学博士基金(14062101)。
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%。