딥 러닝 기반 데이터 중심 디지털 복조기: 광섬유 전송 시스템을 위한

쿼드라티어 앰플리튜드 변조(QAM)를 갖춘 광섬유(RoF) 전송 시스템을 위한 푸리에 레이어 변환기 네트워크(FTnet)를 기반으로 한 데이터 중심 디지털 복조기가 개발 및 실험적으로 시연되었습니다. FTnet은 변환기 인코더와 푸리에 레이어를 결합하여 파형을 학습하고 손상된 수신 신호에서 비트 스트림을 직접 복구합니다. FTnet 기반 복조기는 주파수 오프셋 보정, 다운 변환, 동등화, 해독과 같은 일련의 디지털 복조 알고리즘에 의존하지 않으므로 과정이 더 효율적이고 정확합니다. 제안된 FTnet 기반 디지털 복조기를 실험적으로 평가하기 위해 10 GHz 2 Gsym/s 25 km RoF 전송 시스템이 구축되었습니다. 결과는 16-QAM RoF에 대한 제안된 복조기의 비트 오류율(BER) 성능이 완전 연결 신경망, 변환기 및 최소 평균 제곱 오차 동등화기(TDD-LMS)를 기반으로 한 것보다 우수하다는 것을 보여줍니다. 제안된 복조기를 기반으로 한 64-QAM RoF 시스템의 광학 수신 감도는 BER 한계가 3.8 × 10 −3인 TDD-LMS에 비해 3 dB 향상되었습니다. 또한, 제안된 복조기는 다양한 수신 광 파워 및 무선 거리에서 무선 전송을 위한 RoF 시스템의 다른 복조기를 초월합니다.