Blind Channel Equalization Using Vector-Quantized Variational Autoencoders
现有技术的高频谱效率通信系统采用与高符号率耦合的高阶调制格式,以适应对数据速率高的应用的不断增长的需求。然而,这样的系统更容易受到线性和非线性传输损伤,并且重要的是通过数字信号处理来减轻性能损失。在本文中,我们提出了一种新的机器学习方法的盲信道均衡和估计使用矢量量化(VQ)\ac{VAE}框架。所提出的方法通过引入码本分量和相关的新损失函数,将传统的基于\ac{VAE}的均衡器的适用性推广到采用高阶调制格式的非线性系统。我们评估所提出的方法的性能在线性加性高斯白噪声信道的符号间干扰和两个非线性的情况下。仿真结果表明,该方法与基于\acf{MMSE}准则的数据辅助均衡器性能相当,优于盲\ac{CMA}和基于\ac{VAE}的信道均衡器.此外,我们表明,对于线性信道,所提出的计划表现出更好的收敛性能比\ac{MMSE}为基础的,\ac{CMA}为基础的,和\ac{VAE}为基础的均衡器的收敛速度和鲁棒性的训练批量大小和学习率的变化。
2023-02-22 eess.SP
DBSCAN for nonlinear equalization in high-capacity multi-carrier optical communications
相干光多载波通信在城域和长距离光通信中占据主导地位。然而,相干光正交频分复用(CO-OFDM)等相干多载波信号网络的主要障碍是光纤非线性和级联光放大器的参量噪声放大,这会导致子载波间出现严重的非线性失真。在这里,我们提出了第一个非线性均衡器在光通信中使用传统的基于密度的空间聚类的应用程序与噪声(DBSCAN)算法和一种新的修改版本的DBSCAN,它结合了K-均值聚类的噪声非集群符号。对于一个24.72 Gbit/s的差分四相相移键控(DQPSK)的CO-OFDM系统,修改后的DBSCAN可以提高信号质量因子高达2.158 dB相比,在500公里的传输线性均衡。改进后的DBSCAN在高发射光功率下的性能略优于传统的DBSCAN、模糊逻辑C-均值、分层和传统的K-均值聚类。
2019-01-17 eess.SP
Blind Equalization and Channel Estimation in Coherent Optical Communications Using Variational Autoencoders
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Nokia(诺基亚)
本文研究了基于变分推理的自适应盲均衡器在光通信载波恢复中的应用。这些均衡器基于最大似然信道估计的低复杂度近似。我们将变分自编码器(VAE)均衡器的概念推广到高阶调制格式,包括概率星座成形(PCS),在光通信中无处不在,在接收机过采样,和双偏振传输。除了基于卷积神经网络的黑盒均衡器之外,我们还提出了基于线性蝶形滤波器的基于模型的均衡器,并使用变分推理范式训练滤波器系数。作为副产品,VAE还提供可靠的信道估计。我们分析了VAE在经典的加性高斯白噪声(AWGN)信道与符号间干扰(ISI)和色散线性光双偏振信道的性能和灵活性。我们表明,它可以扩展盲自适应均衡器的应用范围优于国家的最先进的恒模算法(CMA)的PCS固定,但也随时间变化的信道。评价伴随着超参数分析。
2022-09-15 cs.IT cs.LG eess.SP
Unsupervised Linear and Nonlinear Channel Equalization and Decoding using Variational Autoencoders
Tel-Aviv University(特拉维夫大学)
介绍了一种新的盲信道均衡和译码方法,即变分推理方法,特别是变分自编码器(VAE)。首先,我们考虑重建的未编码的数据符号传输在一个嘈杂的线性符号间干扰(ISI)的信道,与一个未知的脉冲响应,而不使用导频符号。我们推导出一个近似的最大似然估计的信道参数和重建的传输数据。我们表现出显着和一致的改善,在出错率的重建符号,相比现有的盲均衡方法,如恒模,从而使更快的信道采集。VAE均衡器使用具有少量自由参数的卷积神经网络。这些结果被推广到未知参数的噪声非线性ISI信道的盲均衡。然后,我们考虑编码通信使用低密度奇偶校验(LDPC)码在噪声线性或非线性ISI信道上传输。目标是在不使用导频符号的情况下,根据与所发送的码字相对应的信道观测来重构所发送的消息。我们证明了改进的期望最大化(EM)算法,使用涡轮均衡。此外,不同于EM,我们的方法的计算复杂性不具有对信道冲激响应的大小的指数依赖性。
2020-04-13 cs.IT cs.LG eess.SP
Two-stage memetic algorithm for blind equalization in direct-sequence/code-division multiple-access Systems
本文提出一种两阶段模因算法用于DS/CDMA系统盲均衡,通过估计信道响应和传输数据,在保持较低复杂度(用户翻倍仅增5倍)的同时,节省约80%计算时间,并具有高近远抗性和准确估计,优于传统检测器。
2024-12-17 eess.SP
Equalization in Dispersion-Managed Systems Using Learned Digital Back-Propagation
Institut Polytechnique de Paris(巴黎理工学院);Télécom Paris(巴黎电信学院);Infinera Unipessoal Lda(Infinera有限责任公司);Infinera(英飞朗公司);Instituto de Telecomunicações(电信研究所);Instituto Superior Técnico(高等技术学院)
提出用深度神经网络LDBP优化DBP参数,并在2016 km、15%残余色散的DM双偏振WDM链路仿真中验证其显著提升均衡性能且频域实现复杂度更低。
2023-05-26 cs.LG cs.NI eess.SP
Experimental Evaluation of Joint Clock Recovery and Equalization for Sub-Terahertz Links
University of Pavia(帕维亚大学);Northeastern University(东北大学)
本文针对高速亚太赫兹无线链路,提出结合CMA均衡器与盲定时误差检测器的时钟恢复均衡联合架构,经140GHz测试平台实验验证,其性能优于传统盲定时方案,可支撑下一代星载超高速通信。
2025-09-09 eess.SP
Modified Baum-Welch Algorithm for Joint Blind Channel Estimation and Turbo Equalization
本文通过将信道参数与连续状态关联改进BW算法网格结构,使状态数减半,并利用Turbo译码器外信息构建联合turbo-BW均衡系统,在更少EM迭代内实现收敛并提升盲信道估计精度。
2024-12-20 cs.IT eess.SP math.IT
Equalization Enhanced Phase Noise in Coherent Receivers: DSP-Aware Analysis and Shaped Constellations
我们重新分析的均衡增强相位噪声(EEPN)所产生的相干接收机之间的相互作用的色散补偿的电子均衡器和本振的相位噪声。通过数值模拟,我们突出EEPN特性,并研究其对载波相位恢复算法的行为的影响。我们表明,盲相位搜索,这是通常用于在实践中恢复载波相位,部分减轻了EEPN。我们详细介绍了一种数值方法来预测系统的性能,包括相位恢复算法,并表明,考虑到EEPN特性放宽了以前的悲观分析模型给出的系统激光相位噪声的约束。我们提出了实验验证我们的索赔,并解决未来先进的跨洋系统使用98 GBd的概率形状的QAM格式。
2019-04-25 eess.SP
Blind Estimation Algorithms for I/Q Imbalance in Direct Down-conversion Receivers
众所周知,具有同相和正交相位(I/Q)下变频的接收机,特别是直接变频架构,总是遭受I/Q不平衡。I/Q不平衡是由I/Q路径之间的幅度和相位失配引起的。I/Q不平衡导致的性能下降不能简单地用更高的信噪比(SNR)来缓解。因此,数字域中的I/Q不平衡补偿至关重要。本文的主要贡献有两点。首先,提出了一种基于联合一阶和二阶统计量(FSS)的I/Q不平衡参数盲估计算法,该算法比传统的高斯最大似然估计(GMLE)算法复杂度低。这可以用于进一步处理,例如在存在接收器IQ不平衡的情况下的均衡。此外,本文还分析了传统的基于共轭信号模型(CSM)的I/Q不平衡补偿方法产生误差平台的原因。提出的一阶统计量和共轭信号模型联合补偿算法可以达到理想的误比特率性能。
2019-04-04 eess.SP
MD-AirComp+: Adaptive Quantization for Blind Massive Digital Over-the-Air Computation
The University of Hong Kong(香港大学);Beijing Institute of Technology(北京理工大学);Shanghai Jiao Tong University(上海交通大学)
本文提出一种基于信道硬化效应的盲MD-AirComp+方案,通过自适应量化和深度展开算法提升大规模数字空中计算的精度与效率。
2026-02-20 eess.SP
Joint Neural Network Equalizer and Decoder
最近,深度学习方法在通信系统中显示出显著的改进。本文利用神经网络研究非线性信道下的均衡问题。提出了一种基于神经网络的联合均衡器和译码器,在不需要信道状态信息(CSI)的情况下实现盲均衡和译码过程。与以前的方法不同,我们使用两个神经网络而不是一个。首先,卷积神经网络(CNN)被用来从信道损伤和非线性失真中自适应地恢复传输信号。然后,深度神经网络解码器(NND)对来自CNN均衡器的检测信号进行解码。在不同信道条件下,实验结果表明,所提出的CNN均衡器比其他基于机器学习方法的均衡器具有更好的性能。该模型减少了约$2/3$的参数相比,国家的最先进的同行。此外,我们的模型可以很容易地应用到长序列与$\mathcal{O}(n)$复杂性。
2018-07-05 cs.IT eess.SP math.IT
Algebraic Diversity: Principles of a Group-Theoretic Approach to Signal Processing
Southern Methodist University(南方卫理公会大学)
提出代数多样性(AD)原理,利用信号对称性通过群论方法从每次观测中提取更多信息,并通过群平均降低估计方差,扩展了经典的时间与空间分集方法。
2026-08-19 cs.IT eess.SP math.IT
Meta-AF: Meta-Learning for Adaptive Filters
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Adobe Research(奥多比研究院)
自适应滤波算法在整个信号处理中是普遍存在的,并且对包括音频处理、电信、生物医学感测、天体物理学和宇宙学、地震学等在内的各种领域产生了重大影响。自适应滤波器通常通过专门的在线迭代优化方法(如最小均方或递归最小二乘)进行操作,旨在处理未知或非平稳环境中的信号。然而,这样的算法开发起来可能缓慢而费力,需要领域专业知识来创建,并且需要数学洞察力来改进。在这项工作中,我们寻求改进手工自适应滤波器算法,并提出了一个全面的框架,用于在线学习,自适应信号处理算法或直接从数据中更新规则。为此,我们将自适应滤波器的开发框架为深度学习背景下的元学习问题,并使用一种自我监督的形式来学习自适应滤波器的在线迭代更新规则。为了证明我们的方法,我们专注于音频应用和系统地开发元学习自适应滤波器的五个典型的音频问题,包括系统辨识,声学回声消除,盲均衡,多通道去混响,和波束形成。我们将我们的方法与常见的基线和/或最新的最先进的方法进行比较。我们表明,我们可以学习实时操作的高性能自适应滤波器,并且在大多数情况下,它们的性能明显优于我们比较的每种方法-所有这些方法都使用我们方法的单一通用配置。
2022-11-21 cs.SD eess.AS eess.SP