End-to-End Deep Learning for Phase Noise-Robust Multi-Dimensional Geometric Shaping
End-to-End Deep Learning for Phase Noise-Robust Multi-Dimensional Geometric Shaping
复制标题
用于相位噪声稳健的多维几何整形的端到端深度学习
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
K. Parsons
中科院分区：
文献类型：
--
作者：
Veeru Talreja;T. Koike;Ye Wang;D. Millar;K. Kojima;K. Parsons
我们提出了一种用于相位噪声鲁棒性光通信的端到端深度学习模型。卷积嵌入层与深度自动编码器集成，用于多维星座设计以实现整形增益。该模型提供了一个显着的增益高达2 dB。
We propose an end-to-end deep learning model for phase noise-robust optical communications. A convolutional embedding layer is integrated with a deep autoencoder for multi-dimensional constellation design to achieve shaping gain. The proposed model offers a significant gain up to 2 dB.