| 1 |
1
PAM-m 신호로서 광전송로로 수신되는 세기 변조된 레이저 펄스를 훈련열의 사용 없이 직접 검출하여 데이터를 복원하기 위한, 수신기에서 인공 신경망에 기반한 비선형 블라인드 등화기의 등화 방법에 있어서,송신기로부터의 레이저 펄스에 대해 포토디텍터가 생성하는 전기적 신호에 대한 n번째 샘플링 데이터 x(n)로부터, 인공 신경망을 이용해 은닉 계층(Hidden Layer)과 출력 계층(Output Layer) 사이의 가중치와 편향을 반복 학습하여 등화기 출력을 추정하는 단계를 포함하고, 상기 추정하는 단계는,은닉 계층(Hidden Layer)과 출력 계층(Output Layer) 사이에서 전달함수로서, 수학식 을 이용하여, 상기 등화기 출력의 n번째 샘플 yon을 추정하는 단계를 포함하고,여기서, 은닉 계층(Hidden Layer)과 입력 계층(Input Layer)의 노드 수는 각각 정수 r과 M이며, 함수 σ(·) 및 f(·)는 각각 은닉 계층(Hidden Layer)과 출력 계층(Output Layer)에 대한 활성화 함수, 가중치 wij는 입력 계층(Input Layer)의 j 번째 노드와 은닉 계층(Hidden Layer)의 i 번째 노드 사이의 연결 가중치를 나타내고, 가중치 wi는 은닉 계층(Hidden Layer)의 i 번째 노드와 출력 계층(Output Layer)의 계산 노드 간의 연결 가중치, bi는 은닉 계층(Hidden Layer)의 i 번째 노드에서의 네트워크 편향, bo는 출력 계층(Output Layer)의 계산 노드에 추가된 네트워크 편향인, 등화 방법
|
| 2 |
2
제1항에 있어서,상기 가중치 wi는 오차 E에 대하여 수학식 을 만족하도록 상기 오차 E를 감소시키도록 추정하며, 여기서, α 는 학습율로서 소정의 실수값, 오차의 n번째 샘플 En으로서 수학식을 이용하고,여기서, 상기 PAM-m 신호에 대해, s는 양의 정수로서 s=log2 m, qs-p=2p, p는 s-1,…,1,0인, 등화 방법
|
| 3 |
3
제1항에 있어서,상기 가중치 wij는 오차 E에 대하여 수학식 을 만족하도록 상기 오차 E를 감소시키도록 추정하며, 여기서, α 는 학습율로서 소정의 실수값, 오차의 n번째 샘플 En으로서 수학식을 이용하고,여기서, 상기 PAM-m 신호에 대해, s는 양의 정수로서 s=log2 m, qs-p=2p, p는 s-1,…,1,0인, 등화 방법
|
| 4 |
4
제1항에 있어서,상기 가중치 wi 또는 상기 가중치 wij의 계산에 있어서, 상기 등화기 출력의 n번째 샘플 yon 에 대한 오차의 n번째 샘플 En의 미분식으로서, 수학식을 이용하며, 여기서, sign()은 실수의 부호, 상기 PAM-m 신호에 대해, s는 양의 정수로서 s=log2 m, qs-p=2p, p는 s-1,…,1,0인, 등화 방법
|
| 5 |
5
PAM-m 신호로서 광전송로로 수신되는 세기 변조된 레이저 펄스를 훈련열의 사용 없이 직접 검출하여 데이터를 복원하기 위한, 수신기의 인공 신경망에 기반한 비선형 블라인드 등화기에 있어서, 상기 수신기는, 송신기로부터의 레이저 펄스에 대해 포토디텍터가 생성하는 전기적 신호에 대한 n번째 샘플링 데이터 x(n)로부터, 인공 신경망을 이용해 은닉 계층(Hidden Layer)과 출력 계층(Output Layer) 사이의 가중치와 편향을 반복 학습하여 등화기 출력을 추정하는 비선형 블라인드 등화기를 포함하고, 상기 비선형 블라인드 등화기는, 입력 계층(Input Layer), 은닉 계층(Hidden Layer) 및 출력 계층(Output Layer)을 포함하는 인공 신경망을 포함하며,상기 인공 신경망에서, 은닉 계층(Hidden Layer)과 출력 계층(Output Layer) 사이에서 전달함수로서, 수학식 을 이용하여, 상기 등화기 출력의 n번째 샘플 yon을 추정하고,여기서, 은닉 계층(Hidden Layer)과 입력 계층(Input Layer)의 노드 수는 각각 정수 r과 M이며, 함수 σ(·) 및 f(·)는 각각 은닉 계층(Hidden Layer)과 출력 계층(Output Layer)에 대한 활성화 함수, 가중치 wij는 입력 계층(Input Layer)의 j 번째 노드와 은닉 계층(Hidden Layer)의 i 번째 노드 사이의 연결 가중치를 나타내고, 가중치 wi는 은닉 계층(Hidden Layer)의 i 번째 노드와 출력 계층(Output Layer)의 계산 노드 간의 연결 가중치, bi는 은닉 계층(Hidden Layer)의 i 번째 노드에서의 네트워크 편향, bo는 출력 계층(Output Layer)의 계산 노드에 추가된 네트워크 편향인, 등화기
|
| 6 |
6
제5항에 있어서,상기 인공 신경망에서, 상기 가중치 wi는 오차 E에 대하여 수학식 을 만족하도록 상기 오차 E를 감소시키도록 추정하며, 여기서, α 는 학습율로서 소정의 실수값, 오차의 n번째 샘플 En으로서 수학식을 이용하고,여기서, 상기 PAM-m 신호에 대해, s는 양의 정수로서 s=log2 m, qs-p=2p, p는 s-1,…,1,0인, 등화기
|
| 7 |
7
제5항에 있어서,상기 인공 신경망에서, 상기 가중치 wij는 오차 E에 대하여 수학식 을 만족하도록 상기 오차 E를 감소시키도록 추정하며, 여기서, α 는 학습율로서 소정의 실수값, 오차의 n번째 샘플 En으로서 수학식을 이용하고,여기서, 상기 PAM-m 신호에 대해, s는 양의 정수로서 s=log2 m, qs-p=2p, p는 s-1,…,1,0인, 등화기
|
| 8 |
8
제5항에 있어서,상기 인공 신경망에서, 상기 가중치 wi 또는 상기 가중치 wij의 계산에 있어서, 상기 등화기 출력의 n번째 샘플 yon 에 대한 오차의 n번째 샘플 En의 미분식으로서, 수학식을 이용하며, 여기서, sign()은 실수의 부호, 상기 PAM-m 신호에 대해, s는 양의 정수로서 s=log2 m, qs-p=2p, p는 s-1,…,1,0인, 등화기
|
