[논문 리뷰] Deep Learning-Aided OFDM-Based Generalized Optical Quadrature Spatial Modulation

Chen Chen, Lin Zeng외 4명|arXiv (Cornell University)|2021. 06. 24.

Optical Wireless Communication Technologies참고 문헌 19인용 수 13

한 줄 요약

이 논문은 고속 MIMO 광무선 통신을 위한 OFDM 기반 일반화된 광직교공간변조(GOQSM) 방식을 제안하며, 직교공간 multiplexing를 활용해 기존 GOSM 대비 스펙트럼 효율을 두 배로 높인다. 깊이 신경망(DNN) 기반 검출 방식이 도입되어 복소수 기호와 공간 인덱스를 동시에 검출함으로써 오류 전파와 노이즈 증폭을 효과적으로 제거하여, DNN 검출을 사용할 경우 5 비트/초/헤르츠에서 GOSM 대비 4.1 dB의 SNR 향상을 달성한다.

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.

연구 동기 및 목표

• 대역 제한된 MIMO-OWC 시스템에서 기존의 광공간변조(OSM) 및 일반화된 OSM(GOSM)의 스펙트럼 효율 제한 문제를 해결하기 위해.
• 상전파 및 복소수 성분을 이용해 공간 비트 전송 수를 두 배로 증가시키는 새로운 OFDM 기반 일반화된 광직교공간변조(GOQSM) 기법을 제안하기 위해.
• GOQSM 시스템에서 기존의 ML-MRC 검출 방식이 내재하는 오류 전파 및 노이즈 증폭의 악영향을 완화하기 위해.
• 복소수 기호와 공간 인덱스 기호를 동시에 검출하는 DNN 기반 검출 기법을 설계하고 평가하기 위해.

제안 방법

• GOQSM 방식은 단일 복소수 기호를 상전파(Re) 및 복소수 성분(Im)에서 N개의 활성화된 LED에 맵핑함으로써, GOSM 대비 전송 가능한 공간 비트 수를 두 배로 증가시킨다.
• 송신기에서는 QAM 복소수 기호의 실수부와 허수부를 분리하여 각각 하나의 서브캐리어당 N개의 Nt개 LED 집합에 맵핑함으로써 복소수 전송 기호를 형성한다.
• 시스템은 병렬 D/A 변환을 통해 다수의 LED를 구동하는 OFDM 변조 방식을 채택하여 주파수 도메인 다중화를 실현하고 스펙트럼 효율을 향상시킨다.
• DNN 기반 검출 기법은 복소수 기호와 공간 인덱스 벡터를 동시에 추정하기 위해 제안되었으며, ReLU 및 시그모이드 활성화 함수를 사용하는 완전 연결 피드포워드 네트워크로 구성된다.
• DNN는 150만 개의 기호 벡터로 구성된 대규모 데이터셋을 기반으로 평균 제곱오차(MSE) 손실 함수를 사용해 훈련되며, 적응형 학습률(Adam 최적화기)과 미니배치 훈련 방식을 적용한다.
• 검출 과정은 수신단에서 ZF 등화 및 OFDM 복조를 수행한 후, DNN 기반 동시 추정을 통해 노이즈와 오류 전파를 억제한다.

실험 결과

연구 질문

• RQ1 OFDM 도메인에서의 직교공간변조는 기존의 GOSM에 비해 MIMO-OWC 시스템의 스펙트럼 효율을 크게 향상시키는가?
• RQ2 DNN 기반 동시 검출 기법은 OFDM 기반 GOQSM 시스템에서 오류 전파와 노이즈 증폭을 효과적으로 억제하는가?
• RQ3 GOQSM에서 노이즈와 데이터 기호 통계를 균형 있게 학습하기 위해 DNN 검출기의 최적 훈련 SNR는 무엇인가?
• RQ4 ML-MRC 및 DNN 기반 검출 모두에서 GOQSM의 스펙트럼 효율은 BER 성능 측면에서 GOSM에 비해 어떻게 비교되는가?
• RQ5 고스펙트럼 효율(예: 5 비트/초/헤르츠)에서 DNN 기반 검출을 사용할 경우 GOQSM은 GOSM 대비 어떤 SNR 향상을 달성하는가?

주요 결과

• 3 비트/초/헤르츠의 스펙트럼 효율에서 DNN 기반 GOQSM 시스템은 ML-MRC 검출 대비 28.6 dB의 SNR 감소를 달성하여 노이즈 억제 효과가 뚜렷하다.
• 3 비트/초/헤르츠에서 DNN 기반 GOQSM은 DNN 기반 GOSM 대비 1.1 dB의 SNR 향상을 기록하였으며, 최적 훈련 SNR는 GOQSM이 127 dB, GOSM가 129 dB였다.
• 4 비트/초/헤르츠에서 DNN 기반 GOQSM 시스템은 DNN 기반 GOSM 대비 2.3 dB의 SNR 향상을 기록하여 고스펙트럼 효율에서 성능 향상이 뚜렷하다.
• 5 비트/초/헤르츠에서 DNN 기반 GOQSM 시스템은 DNN 기반 GOSM 대비 4.1 dB의 SNR 향상을 기록하여 제안된 기법의 확장성과 타당성을 입증한다.
• DNN 기반 검출기는 빠른 수렴성을 보이며, 훈련 10 에포크 내에 만족스러운 성능을 달성하여 실용적 시스템에의 신속한 구현 가능성을 보여준다.
• 제안된 DNN 기반 검출 기법은 오류 전파와 노이즈 증폭을 효과적으로 제거하여, 모든 스펙트럼 효율 수준에서 ML-MRC 검출 방식을 뛰어넘는 성능을 확보한다.