이 논문은 112 Gb/s 상향 PAM4-PON을 위한 새로운 기계 학습 알고리즘인 푸리에 어텐션 기반 컨볼루션 신경망(FConvNet) 이퀄라이저를 제안하고 실험적으로 검증한다.
FConvNet은 시계열 분석에서 다주기성을 포착하는 TimesNet을 기반으로 한다. 상향 PON에서 반도체 광증폭기(SOA)와 직접 검출로 인해 발생하는 신호 간섭은 비선형 효과, 크로스토크, 반사 등으로 인해 다주기성을 나타낸다. FConvNet은 1D 시계열을 2D 텐서로 변환하여 시간 및 주파수 영역의 정보를 통합적으로 활용한다.
FConvNet은 FC-SCINet의 분해 레이어를 활용하여 복잡도를 낮추고 학습 효율을 높였다. 실험 결과, FConvNet은 BER 약 5 × 10^-3에서 51탭 Sato 이퀄라이저 대비 2 dB, DNN, FC-SCINet, CNN 대비 1 dB의 수신 광 전력 향상을 보였다. 또한 FConvNet은 DNN 및 CNN 대비 각각 79%, 83.4%의 복잡도 감소를 달성했다.
Till ett annat språk
från källinnehåll
arxiv.org
Djupare frågor