计算机工程与科学

作者：何静, 李晋文, 杨安毅

单位：（国防科技大学计算机学院,湖南 长沙 410073）

关键词：高速信道,DNN,RNN,眼图,机器学习,均衡,LMS,

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DNN与循环神经网络RNN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。

来源：2021年第6期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第6期