联结主义:涵义的厘清与模型的分析

联结主义是20世纪80年代早期所复兴的认知心理学的另一研究范式。它是一种计算的研究取向,认为认知其实就是相互联系的具有活性值的神经单元所构成的网络的动态整体活动,存在于神经网络联结中或权重里的知识信息,是整个交互作用的神经节的激活模式,通过调整权重就可以改变网络的联结关系并进而改变网络的功能;联结主义的基本网络模型是由输入层、隐含层和输出层三个神经单元层组成的,单元层被定义为拓扑的或关于网络的联结的类型,因此构造神经网络的结构,实质上就是构造神经网络的拓扑结构。

大线宽相干光正交频分复用系统中盲相位噪声补偿

基于大线宽相干光正交频分复用(CO-OFDM)系统,提出了一种可以有效克服符号判决错误的盲载波间干扰(ICI)相位噪声补偿算法。使用该算法之前,先使用无迭代盲(IFB)算法对公共相位误差(CPE)的相位噪声进行补偿。该算法采用了形式简单的代价函数,可大幅减小计算复杂度。该ICI相位噪声补偿算法包括粗略ICI和精细ICI相位噪声补偿两个阶段,先使用平均能量盲(Avg-BL)算法进行粗略ICI相位噪声补偿,再使用公共相位误差分割补偿(CPEC)算法进行精细ICI相位噪声补偿。该CPEC算法对粗略ICI相位噪声补偿后的频域数据进行判决,再将每个接收到的正交频分多路复用(OFDM)时域符号分割为一定数目的亚符号,从而求出每个亚符号中相位噪声的近似平均值。Avg-BL算法有效解决了CPEC算法中的符号判决错误传播问题;CPEC算法在时域OFDM亚符号分割数目较大的情况下,对ICI相位噪声具有较好的补偿效果。对50Gbit/s CO-OFDM系统在传输距离为100km的情况进行了仿真,仿真结果表明,与Avg-BL算法和CPEC算法等ICI相位噪声算法相比,所提算法具有较好的相位噪声补偿效果,且具有较高的频谱利用率。在该算法中,选择合适的时域OFDM亚符号分割数目,可取得较好的补偿效果,且算法复杂度并未显著增加。

基于时频域卡尔曼滤波的CO-OFDM系统相位噪声补偿算法

针对基于高阶正交幅度调制(QAM)的大线宽相干光正交频分复用(CO-OFDM)系统,提出了一种基于时域和频域卡尔曼滤波(KF)联合估计的相位噪声补偿算法。所提算法在发射端插入时域训练符号和导频序列,在接收端基于训练符号进行频域卡尔曼滤波后得到信道估计值,进行时域扩展卡尔曼滤波(EKF)后得到相位噪声粗略估计值。时域相位噪声估计值为复数值,为获得较好的补偿效果,根据导频序列数目将每个OFDM符号分割为若干个亚符号。在导频序列处进行时域EKF,通过在每个亚符号最后一个导频处进行线性插值,得到每个采样点的相位噪声粗略估计值。对粗略相位噪声补偿后的频域数据进行预判决,并对时域相位噪声进行精细补偿。采用所提算法对传输速率为50Gbit·s-1、传输距离为100km的CO-OFDM系统进行了数值模拟,结果表明所提算法与其他方法相比取得了较好的补偿效果。对于激光器线宽为1 MHz(16QAM)和800kHz(32QAM)的CO-OFDM系统,误码率可达前向纠错上限。