[論文レビュー] Deep Learning-Aided OFDM-Based Generalized Optical Quadrature Spatial Modulation

Chen Chen, Lin Zeng+4 more|arXiv (Cornell University)|Jun 24, 2021

Optical Wireless Communication Technologies参考文献 19被引用数 13

ひとこと要約

本稿は、帯域制限のあるMIMO-OWCシステムにおける従来のGOSMのスペクトル効率の限界を克服するため、OFDMベースの一般化光直交空間多重（GOQSM）方式を提案する。直交空間多重を活用することで、従来のGOSMに比べてスペクトル効率を2倍に向上させる。誤り伝搬とノイズ増幅を効果的に低減するため、深層畳み込みニューラルネットワーク（DNN）を用いた検出方式を導入し、DNN検出による5ビット/秒/Hzのスペクトル効率で、GOSMに比べて4.1 dBのSNRゲインを達成する。

ABSTRACT

In this paper, we propose an orthogonal frequency division multiplexing (OFDM)-based generalized optical quadrature spatial modulation (GOQSM) technique for multiple-input multiple-output optical wireless communication (MIMO-OWC) systems. Considering the error propagation and noise amplification effects when applying maximum likelihood and maximum ratio combining (ML-MRC)-based detection, we further propose a deep neural network (DNN)-aided detection for OFDM-based GOQSM systems. The proposed DNN-aided detection scheme performs the GOQSM detection in a joint manner, which can efficiently eliminate the adverse effects of both error propagation and noise amplification. The obtained simulation results successfully verify the superiority of the deep learning-aided OFDM-based GOQSM technique for high-speed MIMO-OWC systems.

研究の動機と目的

• 帯域制限のあるMIMO-OWCシステムにおける従来の光空間多重（OSM）および一般化OSM（GOSM）のスペクトル効率の限界を解決すること。
• 同相（I）成分と直交（Q）成分を用いて空間ビット伝送を2倍に増加させる、新しいOFDMベースの一般化光直交空間多重（GOQSM）技術を提案すること。
• GOQSMシステムにおける従来のML-MRC検出に内在する誤り伝搬およびノイズ増幅の悪影響を軽減すること。
• 星座図記号と空間インデックス記号を同時に推定するDNNを用いた検出方式を設計・評価することにより、検出の信頼性を向上させること。

提案手法

• GOQSM方式は、I成分（Re）とQ成分（Im）の両方にN個の点灯LEDを介して1つの星座図記号をマッピングし、GOSMに比べて空間ビット伝送数を2倍に増加させる。
• 送信機では、QAM星座図記号の実部と虚部が別々に分離され、各サブキャリアごとにNt個のLEDの中からN個の異なるLED集合にマッピングされ、複素数値の送信記号が形成される。
• システムはOFDM変調を採用し、並列D/A変換により複数のLEDを駆動することで、周波数ドメイン多重化とスペクトル効率の向上を実現する。
• DNNを用いた検出方式を提案し、全結合の順方向ネットワーク（ReLUおよびシグモイド活性化関数を用いる）を用いて、星座図記号と空間インデックスベクトルを同時に推定する。
• DNNは、150万個の記号ベクトルからなる大規模データセットを用い、平均二乗誤差（MSE）損失関数で学習し、適応的学習率（Adam最適化法）とミニバッチ学習を適用する。
• 受信機では、ZFイコライゼーションとOFDMデモジュレーションを実行した後、DNNを用いた共同推定によりノイズと誤り伝搬を抑制する。

実験結果

リサーチクエスチョン

• RQ1 OFDMドメインにおける直交空間多重は、従来のGOSMに比べてMIMO-OWCシステムのスペクトル効率を顕著に向上させ得るか？
• RQ2 DNNを用いた共同検出方式は、OFDMベースのGOQSMシステムにおける誤り伝搬とノイズ増幅を効果的に抑制するか？
• RQ3 GOQSMにおいて、ノイズとデータ記号統計の両方の学習をバランスよく行うために最適な訓練SNRは何か？
• RQ4 ML-MRC検出とDNNを用いた検出の両方において、GOQSMのスペクトル効率はGOSMに比べてビット誤り率（BER）性能でどのように差がつくか？
• RQ5 高スペクトル効率（例：5ビット/秒/Hz）下でDNNを用いた検出を実施した場合、GOQSMはGOSMに比べてどの程度のSNRゲインを達成するか？

主な発見

• スペクトル効率3ビット/秒/Hzで、DNNを用いたGOQSMシステムは、ML-MRC検出に比べて28.6 dBのSNR低減を達成し、顕著なノイズ抑制効果を示した。
• 3ビット/秒/Hzで、DNNを用いたGOQSMはDNNを用いたGOSMに比べ1.1 dBのSNRゲインを達成し、最適な訓練SNRはGOQSMで127 dB、GOSMで129 dBであった。
• 4ビット/秒/Hzで、DNNを用いたGOQSMはDNNを用いたGOSMに比べ2.3 dBのSNRゲインを達成し、より高いスペクトル効率でも性能が向上した。
• 5ビット/秒/Hzで、DNNを用いたGOQSMはDNNを用いたGOSMに比べ4.1 dBのSNRゲインを達成し、提案手法のスケーラビリティを裏付けた。
• DNNを用いた検出器は急速に収束し、10エポック以内の学習で満足のいく性能に到達したため、実用システムへの迅速な導入が可能である。
• 提案されたDNNを用いた検出方式は、誤り伝搬とノイズ増幅を効果的に排除し、あらゆるスペクトル効率レベルでML-MRC検出を上回る性能を発揮した。