Оптимизация вычислительной сложности эквалайзеров на основе нейронных сетей в цифровой обработке сигналов: комплексный подход
Computational Complexity Optimization of Neural Network-Based Equalizers in Digital Signal Processing: A Comprehensive Approach
2024-04-10
SCID: 54.1/stryyyr4
Discuss with AI
вычислительная сложностьаппаратный синтезнейросетевые эквалайзерыоптические коммуникационные системыцифровая обработка сигналов в реальном времени
Figures from the paper
Abstract (AI)
Экспериментальные результаты, основанные на автономной обработке и представленные на конференциях по оптическим технологиям, все чаще используют эквалайзеры на основе нейронных сетей для точного восстановления данных. Однако создание реализаций с низкой вычислительной сложностью, эффективных для цифровой обработки сигналов в реальном времени, по-прежнему остается сложной задачей. В данной работе решается эта актуальная задача путем разработки систематического подхода к проектированию и оценке нейросетевых эквалайзеров с низкой вычислительной сложностью. Предлагаемый подход охватывает три ключевых этапа: обучение, вывод и синтез аппаратной реализации. Представлен всесторонний обзор существующих методов снижения сложности на каждом этапе, что позволяет принимать обоснованные проектные решения. Для этапов обучения и вывода предложена новая методика количественной оценки сложности. Она включает новые метрики, связывающие программные и аппаратные аспекты, и выявляет взаимосвязь между сложностью, конкретными архитектурами нейронных сетей и гиперпараметрами. Описан расчет этих метрик для полносвязных и рекуррентных слоев с указанием подходящего выбора в зависимости от приоритетов приложения — программной или аппаратной реализации. Наконец, для демонстрации практической ценности подхода показано, как вычислительная сложность нейросетевых эквалайзеров может быть существенно снижена и измерена для архитектур учителя (biLSTM+CNN) и ученика (1D-CNN) в различных сценариях. Данная работа направлена на стандартизацию оценки и оптимизации вычислительной сложности нейронных сетей, применяемых для цифровой обработки сигналов в реальном времени, и открывает путь к созданию более эффективных и пригодных для развертывания систем оптической связи.
Key Findings
1
Эксперименты демонстрируют значительное измеримое снижение сложности эквалайзеров на архитектурах учителя biLSTM+CNN и ученика 1D-CNN в различных сценариях.
2
Введены метрики сложности для обучения и инференса, связывающие программные оценки с особенностями аппаратной реализации.
3
Методика связывает вычислительную сложность с архитектурами нейронных сетей и гиперпараметрами для полносвязанных и рекуррентных слоев.
4
Предложен выбор метрик сложности в зависимости от цели оптимизации — программного выполнения или аппаратной реализации.
5
В работе предложена систематическая трехэтапная методика проектирования и оценки нейросетевых эквалайзеров низкой сложности: обучение, инференс и аппаратный синтез.
Research Object
эквалайзеры на основе нейронных сетей для цифровой обработки сигналов в реальном времени в оптических коммуникационных системах
Research Subject
количественная оценка и оптимизация вычислительной сложности, а также аппаратно-эффективная реализация на этапах обучения, вывода и аппаратного синтеза
Publication Details
Publication Date
2024-04-10
Journal
Publisher
ISSN
Cited by
102
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest