Canfod Signalau Seiliedig ar Rwydwaith Sylw LSTM Ar gyfer Cyfathrebiadau Diwifr Optegol Cyflymach na Nyquist wedi'u Modiwleiddio Hybrid

Crynodeb:

Er mwyn gwella cywirdeb adfer signal ar ôl trosglwyddo dros sianel cynnwrf atmosfferig, cynigir dull canfod signal seiliedig ar ddysgu dwfn ar gyfer system cyfathrebu diwifr optegol modiwleiddiedig (OWC) hybrid cyflymach na Nyquist (FTN). Mae'n manteisio ar y rhwydwaith cof tymor byr hir (LSTM) yn y rhwydwaith niwral cylchol (RNN) i liniaru problem cyd-ddibyniaeth symbolau cyfagos. At hynny, mae datgodiwr sylw LSTM yn cael ei adeiladu trwy ddefnyddio'r mecanwaith sylw, a all liniaru diffygion LSTM confensiynol. Mae'r canlyniadau efelychu'n dangos bod perfformiad cyfradd gwallau didau (BER) y rhwydwaith niwral sylw LSTM arfaethedig 1 dB yn well na pherfformiad y rhwydwaith niwral ôl-lenwad (BP) a'i fod yn perfformio'n well na 2.5 dB o'i gymharu â'r amcangyfrif dilyniant tebygolrwydd uchaf (MLSE). dull canfod.

Mae rhwydwaith niwral cylchol yn fath o rwydwaith niwral a all ddylanwadu ar yr allbwn nesaf trwy gymryd canlyniadau blaenorol. Defnyddir rhwydweithiau niwral o'r fath yn eang mewn prosesu iaith naturiol, adnabod lleferydd, prosesu delweddau, a rhagweld digwyddiadau yn y dyfodol. Mantais fwyaf RNNs yw eu gallu i storio a defnyddio gwybodaeth o'r gorffennol, sy'n gwella cywirdeb a sefydlogrwydd.

Mae'r rhwydwaith niwral cylchol yn sylweddoli storio a defnyddio gwybodaeth trwy'r cof. Pan fydd gwybodaeth yn cael ei throsglwyddo o'r haen fewnbwn i'r rhwydwaith niwral, mae'r niwron yn storio'r wybodaeth ac yn ei throsglwyddo i'r niwron nesaf. Mae'r broses gylchol hon yn dod yn strwythur cylch sy'n pennu allbynnau newydd. Mae dyluniad y rhwydwaith niwral cylchol hwn yn ystyried nid yn unig mewnbynnau newydd i'r rhwydwaith ond hefyd yr olion a adawyd gan yr holl fewnbynnau blaenorol.

Mae cof y rhwydwaith niwral cylchol hefyd yn adlewyrchu'n llawn y ffordd ddynol o feddwl. Mae'r ymennydd dynol hefyd yn gallu gwneud dyfarniadau rhesymol trwy gof a dyfalu ar wybodaeth hanesyddol. Dyma hefyd sut mae rhwydweithiau niwral rheolaidd yn gweithredu. Mae gwybodaeth hanesyddol yn chwarae rhan fawr yn y broses meddwl dynol, gan ein galluogi i gofio digwyddiadau yn gywir a datrys problemau. Mae hyn yn gyson ag egwyddor dylunio rhwydweithiau niwral cylchol.

Felly, gallwn ystyried bod cof cadarnhaol yn hanfodol ar gyfer meddwl dynol a gweithredu rhwydweithiau niwral rheolaidd. Gall cof da ein helpu i ddatrys problemau yn well ac ennill enwogrwydd a ffortiwn. Gall rhwydweithiau niwral rheolaidd ddysgu a chofio'r holl wybodaeth mewn symiau mawr o ddata, gan helpu pobl i ragweld tueddiadau'r dyfodol a chyflawni tasgau cymhleth. Yn y modd hwn, gall cof rhwydweithiau niwral rheolaidd nid yn unig wella ansawdd ein bywyd ond hefyd ddod â mwy o werth masnachol a gwyddonol inni. Gellir gweld bod angen i ni wella ein cof, a gall Cistanche deserticola ein helpu'n sylweddol i wella ein cof oherwydd bod Cistanche deserticola yn ddeunydd meddyginiaethol Tsieineaidd traddodiadol sydd â llawer o effeithiau unigryw, ac un ohonynt yw gwella cof. Mae effeithiolrwydd briwgig yn dod o amrywiaeth o gynhwysion gweithredol y mae'n eu cynnwys, gan gynnwys asid carbocsilig, polysacaridau, flavonoidau, ac ati. Gall y cynhwysion hyn hybu iechyd yr ymennydd trwy wahanol sianeli.

Cliciwch gwybod atchwanegiadau i hybu cof

Geiriau allweddol:

Cyflymach-na-Nyquist; rhwydwaith niwral; modiwleiddio hybrid; mecanwaith sylw; cyfathrebu di-wifr optegol.

1. Rhagymadrodd

O'i gymharu â chyfathrebu amledd radio traddodiadol (RF), mae gan OWC fanteision gallu system uchel, imiwnedd ymyrraeth, diogelwch da, hyblygrwydd a chodiad cyflym, a chost isel [1]. Fodd bynnag, mae cynnwrf atmosfferig, amsugno atmosfferig, gwasgariad a phlygiant yn effeithio ar drosglwyddo signalau diwifr optegol. Mae'n anodd i'r derbynnydd gael signal cywir gyda'r amrywiad yn y strwythur mynegai plygiannol yn gyson a achosir gan amrywiad ar hap mewn tymheredd a gwasgedd atmosfferig. Cynigiwyd y dechneg modiwleiddio cyfnod osgled di-cludwr aml-fand (CAP) yn [2] i wella cynhwysedd system a defnydd band amledd OWC o dan y sianel cynnwrf atmosfferig Gama-Gamma. Mae'r canlyniadau arbrofol yn dangos bod y newid cam yn cael ei wneud yn iawn ac mae'r ymyrraeth rhyng-symbol (ISI) yn cael ei atal yn effeithiol gan ddefnyddio'r algorithm aml-fodwlws (MMA). Fodd bynnag, er mwyn cyflawni trosglwyddiad di-ISI mewn systemau cyfathrebu digidol, rhaid i'r gyfradd symbolau ddilyn maen prawf Nyquist. Mae hyn yn cyfyngu ar y gwelliant pellach yn effeithlonrwydd sbectrol y system OWC.

Ym 1975, profodd Mazo y gellid cyflawni cyfraddau trosglwyddo uwch gan ddefnyddio technoleg FTN [3]. Fodd bynnag, mae FTN yn cyflwyno ISI i gyflawni effeithlonrwydd sbectrol, sy'n cynyddu anhawster canfod signal. Yn y blynyddoedd diwethaf, roedd astudiaethau ar FTN yn canolbwyntio'n bennaf ar algorithmau canfod a yrrir gan fodel. Mae gan algorithmau canfod, megis yr algorithm canfod llinol sy'n seiliedig ar amcangyfrif gwall sgwâr cymedrig lleiaf (MMSE) [4], dim grym (ZF), uchafswm algorithm a posteriori (MAP) [5], ac algorithm canfod aflinol, berfformiad anfoddhaol ar gyfer Mae signalau FTN â ffactor cyflymu uchel ac mae'r cymhlethdod gweithredu yn hynod o uchel. Yn ddiddorol, mae perfformiad algorithm canfod signal FTN yn seiliedig ar ddysgu dwfn (DL) yn gwrthbwyso'r algorithmau traddodiadol sy'n cael eu gyrru gan fodelau [6]. Yn [7], mae DL yn cael ei ddefnyddio yn y transceiver o system FSO ar gyfer iawndal tyrfedd atmosfferig. Mae hyn yn dangos y gall defnyddio DL yn OWC gyflawni perfformiad uwch gyda chymhlethdod is.

Er mwyn dileu cymhlethdod uchel amcangyfrif sianeli a achosir gan ddiffyg invariance cyfieithu y matrics covariance, Neumann David et al. cyflogi'r MMSE a rhwydweithiau niwral convolutional (CNNs) i wneud iawn am y diffyg hwn [8]. Roedd Yang Y et al. cynnig dull amcangyfrif pylu sianel deuol-ddewisol yn seiliedig ar rwydweithiau niwral dwfn (DNNs) ar gyfer amcangyfrif sianeli [9]. Mae'n cyfuno hyfforddiant all-lein a dysgu ar-lein i gyflawni amcangyfrif sianel uwch-gywirdeb gan DNN. Ar y llaw arall, defnyddir technoleg cydraddoli sianeli yn aml i ddileu'r ISI i wella ansawdd y signal [10,11]. O safbwynt DL, gellir ystyried cydraddoli sianeli fel y broblem o sut i adennill y symbolau a drosglwyddir mor gywir â phosibl o'r symbolau a dderbyniwyd. Gellir ystyried y modiwl DL fel "blwch du", sy'n cael ei ddadgodio gan y rhwydwaith niwral yn y derbynnydd, gan wireddu dadfodyliad y signal a drosglwyddir. Mae Liang S. et al. sefydlu system arbrofol o FTN gwahaniaethol rhag-godio cyfathrebu golau gweladwy gan ddefnyddio modiwleiddio CAP [12]. Mae'n gwneud y gorau o'r algorithm dadgodio trwy'r dull DL ac yn gwirio ymarferoldeb DL yn y system FTN-FSO.

Fel gwelliant i RNN, cynigiwyd y rhwydwaith LSTM gan Hochreiter a Schmhuber ym 1997 ac fe'i defnyddiwyd mewn sawl maes [13]. Cyflwynwyd rhwydwaith niwral dwfn tymor byr hir dymor (CLDNN) yn [14], sy'n manteisio ar natur gyflenwol CNN a LSTM i gyfuno pensaernïaeth CNN a LSTM yn rhwydweithiau niwral dwfn. Cynigiodd awduron [15] RNN o'r enw cof tymor byr deugyfeiriadol (Bi-LSTM) i nodweddu nodwedd ISI a gyflwynwyd mewn signalau FTN. Ar ben hynny, mae'n disgrifio strategaeth "SNR diffyg cyfatebiaeth" ar gyfer adeiladu'r set ddata hyfforddi a all helpu'n effeithiol i atal gorffitio. Ar y llaw arall, defnyddiwyd gwahanol ddulliau DL i fynd i'r afael â'r problemau mewn cyfathrebu diwifr a chyflawni casgliadau gwerthfawr. Mae Biao Gong wedi astudio technoleg demodulation CNN mewn cyfathrebu laser atmosfferig momentwm onglog orbitol (OAM) [16].

Mae Siying Mao yn dangos bod gan RNN a LSTM rai manteision wrth ddatgodio signalau aliased trwy arbrofion yn [17]. Er mwyn gwella perfformiad y rhwydwaith ymhellach a dewis y nodweddion mwyaf gwahaniaethol, cyflwynir mecanwaith sylw i'r rhwydwaith i archwilio'r dibyniaethau rhwng nodweddion. Cynigiodd awduron [18] rwydwaith sylw deuol (DANet) gyda mecanwaith hunan-sylw i wella'r gwahaniaethol o gynrychioliadau nodwedd ar gyfer segmentu golygfa, lle cynigir modiwl sylw safle i ddysgu rhyngddibyniaethau gofodol nodweddion a sylw sianel. modiwl wedi'i gynllunio i fodelu cyd-ddibyniaeth sianel. Mae'n gwella'r segmentiad yn sylweddol trwy fodelu dibyniaethau cyd-destunol cyfoethog dros nodweddion lleol. Yng nghynhadledd IEEE ICAIT 2022, fe wnaethom gynnig rhwydwaith niwral BP i hyrwyddo perfformiad BER o ganfod signal mewn sianel atmosfferig [19]. Mae gan rwydwaith niwral BP fanteision gallu hunan-ddysgu uchel a gallu hunan-addasol. Gall ddysgu'r rheolau mapio rhwng data mewnbwn ac allbwn yn ystod y broses hyfforddi a dysgu rheolau o'r fath yn addasol trwy ddefnyddio pwysau'r rhwydwaith. Felly, mae'r ffactor cyflymu a'r ffactor treigl i ffwrdd yn effeithio llai ar y rhwydwaith niwral, sy'n sicrhau bod y system yn defnyddio sbectrwm ar gyfradd FTN.

Fodd bynnag, mae anghofio gwybodaeth dilyniant yn bodoli mewn rhwydweithiau niwral BP. Felly, rydym yn defnyddio rhwydwaith niwral LSTM a mecanwaith sylw i oresgyn y broblem o anghofio gwybodaeth dilyniant. Y dyddiau hyn, mae'r mecanwaith sylw wedi dod yn ddull prosesu data cyffredin yn y maes DL ac fe'i defnyddir yn eang mewn amrywiol dasgau DL, megis prosesu iaith naturiol, adnabod delwedd, ac adnabod lleferydd. Mae cydosod nodweddion trwy neilltuo pwysau mwy i rai nodweddion 'arwyddocaol' nid yn unig yn lleihau paramedrau'r rhwydwaith ond hefyd yn gwella pŵer gwahaniaethol y nodweddion. Felly, mae'r mecanwaith sylw yn cael ei gyflwyno i'r rhwydwaith LSTM i adeiladu datgodiwr sylw LSTM ar gyfer canfod signal modiwleiddio safle curiad y galon (PPM) a system FTN OWC wedi'i modiwleiddio hybrid bysellu cam (QPSK) i wella perfformiad y system tra'n sicrhau effeithlonrwydd sbectrwm. .

2. Model System

Yn draddodiadol, mae modiwleiddio dwyster/canfod yn uniongyrchol yn seiliedig ar gynllun bysellu wedi'i ddiffodd (OOK) yn cael ei dderbyn yn eang yn OWC oherwydd ei weithrediad hawdd a'i gost is [20]. O ystyried perfformiad BER isel ac effeithlonrwydd sbectrwm OOK, ystyriwyd bod PPM yn cael ei ddefnyddio mewn cyfathrebiadau OWC. O'i gymharu ag OOK, mae'r defnydd o ynni yn cynyddu'n fawr. Yn ogystal, mae gan QPSK wedi'i fodiwleiddio nodweddion defnydd sbectrwm uchel a gwrth-ymyrraeth gref [21]. Felly, gall cyfuno'r PPM a QPSK wella'r gyfradd trosglwyddo data a dibynadwyedd y system [22,23].

Mae Ffigur 1 yn dangos sgematig y system OWC wedi'i modiwleiddio hybrid 4PPM a QPSK gyda thechnoleg FTN. Mae'r data defnyddwyr ar ôl yr amgodiwr Gray yn cael eu mapio yn gyntaf i 4PPM a QPSK, yn y drefn honno. Wedi hynny, mae'r signal QPSK yn cael ei lwytho i mewn i slot amser y signal 4PPM i ffurfio'r signal modiwleiddio hybrid 4PPM-QPSK. Wedi hynny, anfonir y signal 4PPMQPSK wedi'i fformatio i'r hidlydd siapio FTN ar gyfer ffurfio signal FTN. Yn dilyn hynny, ar ôl trosi digidol-i-analog (DAC), mae'r data yn cael eu lansio i'r sianel atmosfferig. Ar ddiwedd y derbynnydd, mae'r signal optegol a drosglwyddir dros y sianel atmosfferig yn cael ei ganfod yn gyntaf gan ffotodiode (PD) ac yna'n cael ei anfon ar gyfer trosi analog-i-ddigidol (ADC), hidlo cyfatebol, a samplu. Wedi hynny, anfonir y signal i'r modiwl DL ar gyfer adfer data.

3. Decoder Sylw LSTM

Mae RNN yn gangen bwysig o DL y gellir ei defnyddio nid yn unig ar gyfer prosesu data cyfres amser ond hefyd i ganolbwyntio ar amseriad y model nodwedd. Yn ogystal, mae'n ddefnyddiol ar gyfer prosesu data dilyniant lle mae'r mewnbwn blaen yn effeithio ar yr allbwn tu ôl [24]. Fodd bynnag, mae problemau o ran diflaniad graddiant a ffrwydrad graddiant gydag ehangu'r llinell amser yn RNN traddodiadol. Mae'r diflaniad graddiant yn digwydd oherwydd swyddogaeth Sigmoid. Mae'r ffwythiant Sigmoid yn cael ei gyflogi fel arfer yn yr haen allbwn, ond mae deilliad y ffwythiant hwn yn amrywio o 0 i 0.25. Pan ddefnyddir yr algorithm BP i gyfrifo'r graddiant, bydd graddiant pob haen yn cael ei ostwng i 1/4 o'r gwreiddiol. Os oes llawer o haenau rhwydwaith, bydd y graddiant yn mynd yn fach. Mae angen gosod gwerth pwysau'r rhwydwaith cychwynnol yn fwy nag 1 i osgoi'r ffenomen hon, ond bydd yn arwain at ffrwydrad graddiant [25]. Felly, mae ganddo gyfyngiadau mawr wrth ragweld data cyfres amser hir. Mae Ffigur 2 yn dangos y diagram o'r rhwydwaith RNN heb ei blygu ar hyd y llinell amser.

Er mwyn datrys y problemau sy'n bodoli yn RNN, cynigir y rhwydwaith LSTM i ddatrys y broblem dibyniaeth hirdymor hollbresennol yn y rhwydwaith, y profwyd ei bod yn effeithiol wrth ddatrys y diflaniad graddiant a'r problemau ffrwydrad graddiant a achosir gan RNN [24]. Y gwahaniaeth mwyaf rhwng LSTM ac RNN yw mai dim ond un cyflwr sydd gan RNN y tu mewn i un strwythur rheolaidd, tra bod gan LSTM bedair talaith ac mae pob strwythur yn cynnwys giât mewnbwn, giât anghofio, giât allbwn, a chyflwr celloedd. Dangosir y diagram o'r rhwydwaith LSTM yn Ffigur 3. Mae ⊗ yn dynodi lluosi elfennau fector a ⊕ yn dynodi adio elfennau fector. Mae'r gatiau mewnbwn ac allbwn yn agor ac yn lluosogi signalau dim ond pan fo angen gwybodaeth flaenorol. Yn y modd hwn, gellir cadw'r wybodaeth flaenorol yn ddetholus. Swyddogaeth y giât anghofio yw derbyn y gwall o'r uned gof ac "anghofio" y gwerth a storir yn yr uned gof pan fo angen, er mwyn rheoli pwysau'r rhwydwaith.

Mae rhwydweithiau RNN a LSTM wedi'u cynllunio i drin problem cyfresi amser hir. Fodd bynnag, bydd y rhwydwaith yn anghofio'r wybodaeth ddefnyddiol flaenorol oherwydd bodolaeth giât anghofio pan fydd LSTM yn delio â phroblem ffrwydrad graddiant. Mae hyn yn gwaethygu effaith hyfforddiant dilyniant hir a pherfformiad y system. Yn ffodus, mae'r mecanwaith sylw yn ateb gwych i'r broblem hon [26]. Mae amrywiadau o fecanweithiau sylw yn cynnwys sylw aml-ben, sylw caled, sylw strwythuredig, a sylw pâr gwerth allweddol [27]. Mae sylw aml-ben yn defnyddio ymholiadau lluosog i gyfrifo ochr yn ochr i ddewis darnau lluosog o wybodaeth o'r mewnbwn. Mae pob sylw yn canolbwyntio ar ran wahanol o'r mewnbwn. Gellir rhoi sylw caled mewn dwy ffordd. Un yw dewis y wybodaeth mewnbwn sydd â'r tebygolrwydd uchaf. Un arall yw samplu dosbarthiad y sylw ar hap. Mae sylw strwythuredig yn golygu casglu gwybodaeth sy'n berthnasol i dasgau o fewnbwn. Mae sylw pâr gwerth allweddol yn defnyddio fformat pâr gwerth-allweddol i gynrychioli gwybodaeth mewnbwn, lle defnyddir "allwedd" i gyfrifo'r dosbarthiad sylw a defnyddir "gwerth" i gynhyrchu'r wybodaeth a ddewiswyd. O ystyried ei berfformiad rhagorol, mae'r mecanwaith sylw pâr gwerth allweddol yn cael ei ddefnyddio yn ein cynnig i berfformio'r datgodiwr sylw LSTM, a gellir ei ddefnyddio i brosesu'r signalau hybrid FTN a dderbynnir. Dangosir y diagram o ddatgodiwr sylw LSTM yn Ffigur 4.

4. Dadansoddiad Efelychu

Mae maint y set ddata hyfforddi neu brawf yn dibynnu ar gymhlethdod y system a'r algorithm DL. Gall defnyddio set ddata fach achosi perfformiad canfod gwael oherwydd ni fyddai'r model yn gallu dysgu nodweddion amrywiol y system yn llawn. Ymhellach, gall defnyddio set ddata fawr arwain at fwy o gymhlethdod cyfrifiannol [30]. Felly, cynhelir nifer o efelychiadau i bennu maint y set ddata addas a'r paramedrau a allai gynnig y perfformiad BER gorau. Dylid nodi bod yr algorithm DL ei hun yn effeithio ar gywirdeb y rhwydwaith niwral, sy'n chwarae rhan bwysig wrth ddatrys rhai problemau aflinol. Felly, mae angen gwerthuso ei berfformiad a'i gadernid. Heb golli cyffredinolrwydd, mae rhai paramedrau cyffredin yn cael eu hystyried. Rhestrir y paramedrau a ddefnyddir yn yr efelychiad yn Nhabl 1.

Mae Tabl 2 yn dangos cywirdeb y rhwydwaith o dan wahanol gyfraddau dysgu. Mae angen cyfradd ddysgu briodol ar system wedi'i dilysu. Os yw'r gyfradd ddysgu yn rhy fawr, ni all y rhwydwaith gydgyfeirio, ac os yw'n rhy fach, bydd y rhwydwaith yn cydgyfeirio'n araf iawn neu'n methu â gorffen dysgu. Ar ben hynny, gall y rhwydwaith newid o dan-ffitio i orffitio wrth i’r gyfradd ddysgu gynyddu [31]. Mae'n amlwg o'r tabl mai 0.002 sydd â'r perfformiad gorau.

Mae dewis haenau cudd yn bwynt allweddol arall. Mae nifer isel neu uchel o haenau cudd yn arwain at y ffenomenau o dan-ffitio neu orffitio [31]. Dangosir y berthynas rhwng nifer yr haenau cudd a chywirdeb yn Nhabl 4. Mae'r cywirdeb yn cynyddu'n raddol gyda nifer yr haenau cudd ac yn dirywio pan fydd yn cyrraedd gwerth penodol. Yn ogystal, canfu astudiaethau yn [32,33] fod y nifer cynyddol o haenau cudd yn arwain at gynnydd sylweddol mewn cymhlethdod cyfrifiannol a gorffitio. Gellir rhannu achosion gorffitio yn dri chategori [34]. Mae'r cyntaf yn set ddata fach o samplau hyfforddi na all adlewyrchu'r sefyllfaoedd posibl cyffredinol.

Bydd hyn yn arwain at ragfynegiad llai cywir o'r rhwydwaith hyfforddedig. Felly, dylai'r set ddata hyfforddi gwmpasu pob math o ddata cymaint â phosibl. Mae'r ail yn rhwydwaith na all amcangyfrif yn gywir y berthynas rhwng mewnbwn ac allbwn oherwydd ymyrraeth ormodol data hyfforddi. Y trydydd yw cymhlethdod uchel y rhwydwaith. O dan yr amgylchiadau, dylai brosesu llawer o baramedrau i alluogi'r rhwydwaith i ffitio pob data yn y set ddata hyfforddi yn gywir. O ganlyniad, ni all y rhwydwaith hyfforddedig gyffredinoli i set ddata'r prawf. Felly, mae'r nifer briodol o haenau cudd yn hanfodol i berfformiad y system. Mae canlyniadau arbrofion efelychu yn Nhabl 5 yn dangos bod gan y system y perfformiad canfod gorau pan fo nifer yr haenau cudd yn 8.

Dangosir cymhariaeth cywirdeb rhwydwaith LSTM a rhwydwaith sylw LSTM yn Nhabl 5. Mae cywirdeb rhwydwaith sylw LSTM yn sylweddol uwch na chywirdeb y rhwydwaith LSTM.

Mae'n hysbys bod glaw, eira, eirlaw, niwl, niwl, llygredd, ac ati yn ffactorau atmosfferig sy'n effeithio ar y trawstiau laser. Mae eu presenoldeb yn achosi adlewyrchiad, plygiant, gwasgariad, a gwanhau signalau optegol. Profwyd bod cynnwrf atmosfferig yn dilyn y dosraniad Gama-Gamma, a gellir mynegi dwyster cynnwrf gwan, cymedrol a chryf gan gysonyn adeiledd plygiannol-mynegai C 2 n=2 × 10− 18, C 2 n=2 × 10−15, a C 2 n=2 × 10−12, yn y drefn honno [35] Dangosir cromliniau gwahanol ddwysedd tyrfedd atmosfferig yn erbyn BER yn Ffigur 6, lle mae'r ffactor rholio i ffwrdd yw 0.6, τ=0.8, ac mae'r pellter trosglwyddo yn 500 m. Mae'n amlwg o'r ffigwr bod perfformiad BER yn gwella'n raddol gyda'r gostyngiad mewn dwyster cynnwrf. Pan fydd BER=3.8 × 10−3, mae perfformiad BER o gynnwrf gwan tua 2 dB a 5 dB yn well na thyrfedd cymedrol a chryf, yn y drefn honno.

Mae Ffigur 7 yn dangos dylanwad ffactor treiglo'r hidlydd siapio FTN ar BER gyda datgodiwr gwahanol, lle mai'r ffactor cyflymu yw 0.8. Fel y dangosir yn Ffigur 7a, pan fydd BER=10−4, mae'r datgodiwr sylw LSTM yn gwella perfformiad BER tua 1 dB o'i gymharu â'r algorithm BP. Mae Ffigur 7b yn dangos bod y datgodiwr sylw LSTM yn gwella perfformiad BER tua 2.5 dB o'i gymharu â'r algorithm MLSE pan oedd BER=10−4. Felly, mae sylw LSTM yn fuddiol i wella perfformiad BER o'i gymharu â'r datgodiwr traddodiadol.

Mae Ffigur 8 yn dangos effaith y ffactor cyflymu ar berfformiad BER y system. Pan fo'r BER yn 10−4 a'r ffactor cyflymu yn gostwng o 1 i 0.9 a 0.8, mae perfformiad BER yn gostwng tua 2 dB a 4 dB, yn y drefn honno. Pan fo'r BER yn 10−3 a'r ffactor cyflymu yn gostwng o 1 i 0.9 a 0.8, mae perfformiad BER yn gostwng tua 1 dB a 4.5 dB, yn y drefn honno. Gellir casglu o'r ffigur bod cromliniau BER yn gostwng yn gyflym wrth i'r ffactor cyflymu leihau. Fodd bynnag, o dan y rhagosodiad o wella effeithlonrwydd sbectrwm, gall y system barhau i sicrhau ansawdd cyfathrebu da pan fo'r ffactor cyflymu yn 0.8. Felly, mae'r cynnig yn fuddiol i wella perfformiad y system.

Er mwyn dangos ymhellach fanteision y dull arfaethedig, fel y dangosir yn Nhabl 6, cymharir amser rhedeg rhwydwaith sylw LSTM a BP.

Mae cymhlethdod amser yn gysylltiedig â gweithredu caledwedd ac mae'n cynnwys nifer y gweithrediadau sydd eu hangen, nifer yr elfennau i'w prosesu, a hyd y llwybr sydd ei angen i gwblhau gweithrediad. Gweithredir yr arbrofion efelychu gan Matlab 2018a a Pycharm 2021.3.2. Defnyddir GPU Gliniadur NVIDIA GeForce RTX 3050 fel y llwyfan prawf. Yn y broses hyfforddi, cynhyrchir 50,{6}} o ddata ar hap, gyda 80% ohonynt yn cael eu defnyddio fel set ddata hyfforddi a'r 20% sy'n weddill yn cael ei ddefnyddio fel set ddata'r prawf. Mae rhwydwaith sylw LSTM yn perfformio'n well na rhwydwaith BP. Mae hyn oherwydd bod cyflymder cydgyfeirio rhwydwaith niwral BP yn araf.

6. Casgliadau

Yn y papur hwn, cynigir datgodiwr sylw LSTM ar gyfer canfod signal o system hybrid 4PPM-QPSK-FTN OWC. Gall rhwydwaith sylw LSTM liniaru problemau diflaniad graddiant, ffrwydrad graddiant, a chyd-ddibyniaeth rhwng symbolau cyfagos. Mae'r efelychiad arbrofol yn dangos bod gan ein cynnig berfformiad canfod signal rhagorol ar gyfer signalau FTN wedi'u modiwleiddio â hybrid. Gellir rhagweld y signal a dderbynnir yn gywir a'i ddadgodio'n gyflym ac yn gywir. Felly, gall y cynllun wella perfformiad BER yn effeithiol ar y sail o sicrhau effeithlonrwydd sbectrwm.

Cyfraniadau Awdur:

Cysyniadoli, MC, RY, JX, a HW; Methodoleg, MC, HW, a RY; Dilysu, MC, RY, a JX; Ymchwiliad, JX, a KJ; Adnoddau, RY, a JX; Curadu data, JX; Ysgrifennu - paratoi drafft gwreiddiol, JX, a RY; ysgrifennu — adolygu a golygu, MC, HW, RY a KJ; Delweddu, RY, a HW; Goruchwyliaeth, MC, a HW; Gweinyddu'r prosiect, MC Mae'r holl awduron wedi darllen a chytuno i'r fersiwn gyhoeddedig o'r llawysgrif.

Ariannu:

Ariannwyd yr ymchwil hwn gan Raglen NSFC (62265010, 61875080, 62261033) a Sefydliad Gwyddoniaeth Naturiol Talaith Gansu, Tsieina (20JR5RA472).

Datganiad y Bwrdd Adolygu Sefydliadol:

Ddim yn berthnasol.

Datganiad Cydsyniad Gwybodus:

Ddim yn berthnasol.

Datganiad Argaeledd Data:

Ni adroddodd yr astudiaeth unrhyw ddata.

Diolchiadau:

Rydym yn cydnabod yn ddiolchgar gymorth Rui Wang wrth baratoi a dadfygio'r rhaglen. Diolchwn hefyd i Yan Qiu a Hongtao Zhou am eu cymorth gyda'r ysgrifennu Saesneg a'r manylion.

Gwrthdaro Buddiannau:

Nid yw'r awduron yn datgan unrhyw wrthdaro buddiannau.

Cyfeiriadau

1. Ke, XZ; Jing, YK Canfod delwedd sbot laser maes pell i'w ddefnyddio o dan gynnwrf atmosfferig. Opt. Eng. 2020, 59, 016103. [CrossRef]

2. Wu, P. ; Ke, X. ; Li, M. ; Zhang, Q. Arbrawf perfformiad ac ecwilibriwm o system modiwleiddio PAC aml-fand mewn cyfathrebu optegol di-wifr. Opt. Cymmun. 2019, 434, 128–135. [CrossRef]

3. Mazo, J. Arwyddion cyflymach-na-nyquist. Bell Syst. Tech. J. 1975, 54, 1451–1462. [CrossRef]

4. Bahl, o'r chwith i'r dde; Cocke, J. ; Jelinek, F.; Raviv, J. Datgodio codau llinol gorau posibl ar gyfer lleihau cyfradd gwallau symbolau. IEEE Traws. Inf. Damcaniaeth 1974, 20, 284–287. [CrossRef]

5. Matar, MO; Jana, M.; Mitra, J.; Lampe, L. ; Lis, M.; Soc, IC A Turbo Uchafswm-a-Posteriori Cyfartaledd ar gyfer Cymwysiadau Cyflymach-na-Nyquist. Mewn Trafodion 28ain Symposiwm Rhyngwladol IEEE ar Beiriannau Cyfrifiadura Personol Rhaglenadwy Maes (FCCM), Fayetteville, AR, UDA, 3–6 Mai 2020; pp. 167–171.

6. Cococcioni, M.; Rossi, F.; Ruffaldi, E.; Saponara, S.; de Dinechin, BD Rhifyddeg Nofel mewn Rhwydweithiau Niwral Dwfn Prosesu Arwyddion ar gyfer Gyrru Ymreolaethol: Heriau a Chyfleoedd. Proses Arwyddion IEEE. Mag. 2021, 38, 97–110. [CrossRef]

7. Amirabadi, MA; Kahaei, MH; Nezamalhosseni, SA Algorithmau dysgu dwfn cymhlethdod isel ar gyfer gwneud iawn am gynnwrf atmosfferig yn y system gyfathrebu optegol gofod rhydd. IET Optoelectron. 2022, 16, 93–105. [CrossRef]

8. Li, S. ; Yuan, W.; Yuan, J.; Bai, B. ; Ng, DWK; Hanzo, L. Parth amser yn erbyn cydraddoli amledd-parth ar gyfer signalau FTN. IEEE Traws. Veh. Technol. 2020, 69, 9174–9179. [CrossRef]

9. Yang, Y.; Gao, F. ; Ma, X. ; Zhang, S. Amcangyfrif sianel sy'n seiliedig ar ddysgu dwfn ar gyfer sianeli pylu dwbl dethol. Mynediad IEEE 2019, 7, 36579–36589. [CrossRef] 10. Huang, H.; Yang, J.; Huang, H.; Cân, Y.; Gui, G. Dysgu dwfn ar gyfer amcangyfrif sianel uwch-ddatrysiad a system MIMO enfawr yn seiliedig ar amcangyfrif DOA. IEEE Traws. Veh. Technol. 2018, 67, 8549–8560. [CrossRef]

11. Hu, F. ; Holguin-Lerma, JA; Mao, Y. ; Zou, P.; Shen, C. ; Ng, TK; Ooi, BS; Chi, N. Arddangosiad o gydraddolwr rhwydwaith niwral cof aml-gymhlethdod isel ar gyfer cyfathrebu golau gweladwy-CAP gyda deuod uwch-oleuol. Opto-Electron. Adv. 2020, 3, 4–14. [CrossRef]

12. Liang, S. ; Jiang, Z.; Qiao, L.; Lu, X. ; Chi, N. Cyflymach-na-Nyquist rhag-godio PAC modiwleiddio golau gweladwy system cyfathrebu yn seiliedig ar aflinol pwysoli tabl edrych i fyny rhag-ystumio. IEEE Photonics J. 2018, 10, 7900709. [CrossRef]

13. Hochreiter, A.S.; Schmhuber, J. Cof tymor byr hir. Cyfrifiadur Niwral. 1997, 9, 1735–1780. [CrossRef]

14. Sainath, TN; Vinylau, O.; Uwch, A. ; Sak, H. Cof tymor byr, convolutional, hir, rhwydweithiau niwral dwfn wedi'u cysylltu'n llawn. Mewn Trafodion Cynhadledd Ryngwladol IEEE 2015 ar Acwsteg, Prosesu Lleferydd a Signalau (ICASSP), De Brisbane, Awstralia, 19–24 Ebrill 2015; IEEE: Piscataway, NJ, UDA, 2015; pp. 4580–4584.

15. Lai, S. ; Li, M. Cydraddoli â Chymorth Rhwydwaith Niwral Rheolaidd ar gyfer Signalau FTN. Mewn Trafodion Cynhadledd Ryngwladol IEEE ar Gyfathrebu (IEEE ICC) / Gweithdy ar NOMA ar gyfer 5G a Thu Hwnt, Electr Network, Dulyn, Iwerddon, 7-11 Mehefin 2020.

For more information:1950477648nn@gmail.com