[论文解读] 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 13

一句话总结

本文提出了一种基于OFDM的广义光学正 quadrature 空间复用（GOQSM）方案，用于高速MIMO光无线通信，通过正 quadrature 空间 multiplexing 将频谱效率提高一倍，相较于传统的GOSM。引入了一种深度神经网络（DNN）辅助检测方案，联合检测星座图和空间索引，有效消除误码传播和噪声放大，使在5 bit/s/Hz速率下，DNN检测相比GOSM获得4.1 dB的SNR增益。

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.

研究动机与目标

• 为解决传统光学空间复用（OSM）和广义OSM（GOSM）在带宽受限的MIMO-OWC系统中频谱效率受限的问题。
• 提出一种新型的基于OFDM的广义光学正 quadrature 空间复用（GOQSM）技术，利用同相和正交分量实现空间比特传输数量翻倍。
• 缓解传统ML-MRC检测在GOQSM系统中固有的误码传播和噪声放大问题。
• 设计并评估一种DNN辅助检测方案，联合检测星座图和空间索引符号，提升检测可靠性。

提出的方法

• GOQSM方案将单个星座图符号映射到N个激活LED的同相（Re）和正交（Im）分量上，与GOSM相比，使可传输的空间比特数加倍。
• 在发射端，QAM星座图符号的实部和虚部分别分离，并映射到每子载波上N个总LED中的不同集合，形成复值发射符号。
• 系统采用OFDM调制与并行D/A转换，驱动多个LED，实现频域复用并提升频谱效率。
• 提出一种DNN辅助检测方案，联合估计星座图符号和空间索引向量，采用具有ReLU和Sigmoid激活函数的全连接前馈网络。
• DNN通过在150万组符号向量的大数据集上使用均方误差（MSE）损失函数进行训练，采用自适应学习率（Adam优化器）和小批量训练。
• 检测过程包括接收端的ZF均衡和OFDM解调，随后通过DNN进行联合估计，以抑制噪声和误码传播。

实验结果

研究问题

• RQ1 在OFDM域中采用正 quadrature 空间复用是否能显著提升MIMO-OWC系统相较于传统GOSM的频谱效率？
• RQ2 DNN辅助的联合检测方案是否能有效抑制OFDM基GOQSM系统中的误码传播和噪声放大？
• RQ3 DNN检测器在GOQSM系统中实现噪声与数据符号统计学习的最优训练SNR是多少？
• RQ4 在ML-MRC和DNN辅助检测下，GOQSM与GOSM在误码率（BER）性能方面频谱效率的对比如何？
• RQ5 在高谱效率（如5 bit/s/Hz）下，使用DNN辅助检测时，GOQSM相较于GOSM能获得多大的SNR增益？

主要发现

• 在3 bit/s/Hz的频谱效率下，DNN辅助的GOQSM系统相比ML-MRC检测实现28.6 dB的SNR降低，表明具有显著的噪声抑制能力。
• 在3 bit/s/Hz下，DNN辅助的GOQSM相比DNN辅助的GOSM实现1.1 dB的SNR增益，最优训练SNR分别为GOQSM的127 dB和GOSM的129 dB。
• 在4 bit/s/Hz下，DNN辅助的GOQSM相比DNN辅助的GOSM实现2.3 dB的SNR增益，表明在更高频谱效率下性能进一步提升。
• 在5 bit/s/Hz下，DNN辅助的GOQSM相比DNN辅助的GOSM实现4.1 dB的SNR增益，证实了所提方案的可扩展性。
• DNN辅助检测器收敛迅速，仅需10个训练周期即可达到满意性能，有利于在实际系统中快速部署。
• 所提出的DNN辅助检测方案有效消除了误码传播和噪声放大，相较于所有频谱效率水平下的ML-MRC检测均表现更优。