10.3969/j.issn.1007-130X.2021.06.005
基于机器学习方法的高速信道建模研究
随着高速信道的传输速率变快,传输长度变长,结构复杂度变高,对信道进行建模也变得复杂与艰难.将目前比较火热的机器学习方法与高速信道结合起来,提出了一个新颖的方法.利用采集的大量模拟数据,采用深度神经网络DN N与循环神经网络RN N对信道建模,模型一旦训练成功,就可以通过该仿真模型预测输出信号的眼图,快速精准地对信号完整性进行评估和分析.另外,在高速信道中,信号的严重干扰和衰减问题会限制传输距离和传输速率,给测试和信息采集带来困难.为了恢复理想信号,高速串行链路通常包含复杂的均衡摸块,采用最小均方算法LMS可以有效地消除干扰,减小误码率,提高传输速率.
高速信道、DNN、RNN、眼图、机器学习、均衡、LMS
43
TP393(计算技术、计算机技术)
2021-07-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
984-988