| 研究課題/領域番号 |
20K04532
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21040:制御およびシステム工学関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
植之原 裕行 東京工業大学, 科学技術創成研究院, 教授 (20334526)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 光ファイバ通信 / 非線形歪補償 / 畳み込みニューラルネットワーク / 光信号伝送 / 歪補償 / 深層学習 / 光非線形歪補償 / リアルタイム処理 |
|---|
| 研究開始時の研究の概要 |
光ファイバ通信システムの受信光信号の線形・非線形歪の補償性能を既存デジタル信号処理手法よりも抜本的に向上可能な、深層学習導入によるリアルタイム処理手法の実現を目指す。画像イメージからの対象抽出能力の高い深層学習導入し、既存のデジタル・コヒーレント検波の性能を抜本的に改善する可能性を追究する。線形・非線形歪の前後のシンボル種類による影響を事前学習させ、受信光信号のリアルタイムな処理が可能なサンプリング・レートとAD変換の量子化ビット数を考慮に入れて、サンプリング後に信号再構築過程を導入し、畳み込みニューラルネットワークにおいてリアルタイム処理が可能な高速リサンプリング手法の適用可能性を示す。
|
| 研究成果の概要 |
深層学習の特徴抽出性能を利用して、光ファイバの光信号に対する非線形歪補償性能の既存のデジタル逆伝搬法と比較して抜本的な向上を目指した。まずANNを比較対象として検討を進め、非線形歪補償に有効な入力データのサンプリングレート、同時入力シンボル数、neuron数、epoch数の最適範囲を得た。次に２次元CNNによる非線形補償性能の検討を行い、伝送信号のI成分、Q成分を配列の縦軸・横軸に時間変化を表現可能なように対応させた。多数決法の導入が誤り率の改善に有効であり、I・Q成分の２並列方式において、線形補償のみ良好、1step/spanと2step/span DBPの中間的なBER特性となった。
|
| 研究成果の学術的意義や社会的意義 |
光ファイバ通信システムの受信光信号の線形・非線形歪の補償性能を既存デジタル信号処理手法よりも抜本的に向上可能な、深層学習導入によるリアルタイム処理手法の実現を目指している。対象抽出能力の高い深層学習を導入し、既存のデジタル逆伝搬法の性能を改善する可能性を追究した。対象シンボル前後の情報による影響を事前学習させ、サンプリングレートと連続入力シンボル数を考慮に入れて、サンプリング後に信号再構築過程を導入し、人工ニューラルネットワーク、１次元あるいは２次元畳み込みニューラルネットワークにおいて、限定的ではあるが既存のデジタル逆伝搬法よりも補償性能の高い可能性を見出している。
|
