Achievable Information Rates for Nonlinear Fiber Communication via End-to-end Autoencoder Learning

Shen Li; Christian Häger; Nil Garcia; Henk Wymeersch

doi:10.1109/ECOC.2018.8535456

Achievable Information Rates for Nonlinear Fiber Communication via End-to-end Autoencoder Learning
Paper i proceeding, 2018

Machine learning is used to compute achievable information rates (AIRs) for a simplified fiber channel. The approach jointly optimizes the input distribution (constellation shaping) and the auxiliary channel distribution to compute AIRs without explicit channel knowledge in an end-to-end fashion.

Författare

Shen Li

Chalmers, Elektroteknik, Kommunikations- och antennsystem, Kommunikationssystem

Forskning Andra publikationer

Christian Häger

Duke University

Chalmers, Elektroteknik, Kommunikations- och antennsystem, Kommunikationssystem

Forskning Andra publikationer

Nil Garcia

Chalmers, Elektroteknik, Kommunikations- och antennsystem, Kommunikationssystem

Forskning Andra publikationer

Henk Wymeersch

Chalmers, Elektroteknik, Kommunikations- och antennsystem, Kommunikationssystem

Forskning Andra publikationer

2018 European Conference on Optical Communication (ECOC)

Vol. 2018-September 8535456

44th European Conference on Optical Communication, ECOC 2018
Rome, Italy,

Coding for terabit-per-second fiber-optical communications (TERA)

Europeiska kommissionen (Horisont 2020), 2017-01-01 -- 2019-12-31.

Visa projekt

Ämneskategorier

Annan maskinteknik

Telekommunikation

Kommunikationssystem

DOI

10.1109/ECOC.2018.8535456

Publikationsdata kopplat till DOI

Mer information

Senast uppdaterat

2019-07-09

Achievable Information Rates for Nonlinear Fiber Communication via End-to-end Autoencoder Learning
Paper i proceeding, 2018

Författare

Shen Li

Christian Häger

Nil Garcia

Henk Wymeersch

2018 European Conference on Optical Communication (ECOC)

Coding for terabit-per-second fiber-optical communications (TERA)

Ämneskategorier

DOI

Mer information

Senast uppdaterat

Feedback och support

Om tjänsten

Länkar

Chalmers tekniska högskola

Achievable Information Rates for Nonlinear Fiber Communication via End-to-end Autoencoder Learning Paper i proceeding, 2018

Författare

Shen Li

Christian Häger

Nil Garcia

Henk Wymeersch

2018 European Conference on Optical Communication (ECOC)

Coding for terabit-per-second fiber-optical communications (TERA)

Ämneskategorier

DOI

Mer information

Senast uppdaterat

Feedback och support

Om tjänsten

Länkar

Chalmers tekniska högskola

Achievable Information Rates for Nonlinear Fiber Communication via End-to-end Autoencoder Learning
Paper i proceeding, 2018