JP2023538433A

JP2023538433A - 送受信装置、送信機、信号生成方法、および信号生成プログラム

Info

Publication number: JP2023538433A
Application number: JP2023512729A
Authority: JP
Inventors: ニコラオスパデレイモンディアマドプロス; 慎治松尾
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2020-09-11
Filing date: 2020-09-11
Publication date: 2023-09-07
Anticipated expiration: 2040-09-11
Also published as: JP7480912B2; WO2022054231A1

Abstract

本発明の多値信号生成方法は、マルチキャリア変調において、確率整形法によりサブキャリアごとにエントロピーを割り当て、多値信号を生成する方法であって、適応学習アルゴリズムに用いる確率分布のパラメータの初期値を、送信時と受信時の学習用多値信号の比較により評価されるＳＮ比に基づき決定して、統一的な性能指標に基づき適応学習アルゴリズムを実行して、エントロピーを決定する。これにより、本発明は、多数キャリア変調フォーマットにおいて、多数のサブキャリアにエントロピーを割り当て、効率的にＰＳ－ＱＡＭ信号等の多値信号を生成して送受信する信号生成方法を提供できる。【選択図】図１

Description

本発明は、マルチキャリア伝送に適用する送受信装置、信号生成方法、および信号生成プログラムに関する。

近年、光伝送システムの大容量化・広帯域化に向けて、高度な多値変調や波形整形が研究開発されている。特に、ＱＰＳＫ（４値位相変調方式、Ｑｕａｄｒａｔｕｒｅｐｈａｓｅｓｈｉｆｔｋｅｙｉｎｇ）、１６ＱＡＭ（直交振幅変調、Ｑｕａｄｒａｔｕｒｅａｍｐｌｉｔｕｄｅｍｏｄｕｌａｔｉｏｎ）などの位相情報や強度情報を多値化する多値変調方式は、周波数効率の高い光伝送システムの構築に有望である。

シングルキャリア変調方式は、ＱＡＭ信号を伝送する場合、信号速度とスペクトル効率を向上させ伝送容量を増加できる反面、高いＳＮ比（Ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅｒａｔｉｏ）を必要とし、伝送距離が短縮される。また、ＳＮ比が周波数に依存して変化することも伝送容量を制限する。

そのため、光伝送におけるスループットを最大化するには、シングルキャリア伝送方式よりもマルチキャリア伝送方式の方が好ましい。マルチキャリア伝送方式では、異なる情報エントロピーを有するＱＡＭシンボルが異なる周波数サブバンドに割り当てられる。

また、確率整形法（ＰｒｏｂａｂｉｌｉｓｔｉｃＳｈａｐｉｎｇ、ＰＳ）は、符号化方式の一つであり、多値変調の信号点配置（コンステレーション）のシンボルにおける確率を変化させることによりＳＮ比特性を向上できる。例えば、振幅の小さいシンボルの発生確率を、振幅の大きいシンボルの発生確率より高くすることにより周波数利用効率を改善できる。

図６Ａに、確率整形法による６４ＱＡＭコンステレーション（信号点配置図）の一例を示す。ＳＮ比を２０ｄＢ、エントロピーを加算性白色ガウス雑音（ＡｄｄｉｔｉｖｅｗｈｉｔｅＧａｕｓｓｉａｎｎｏｉｓｅ、以下「ＡＷＧＮ」という。）の環境下で４．８９０６ｂｉｔｓ／ｓｙｍｂｏｌとして得られる。

この確率整形法に基づき、マルチキャリア変調におけるサブキャリアにエントロピー（情報量）を割り当てる変調方式が、エントロピーローディング（ＥｎｔｒｏｐｙＬｏａｄｉｎｇ）である。

エントロピーローディングでは、図６Ｂに示すように、異なるサブキャリアまたはサブバンドは、ＳＮ比分布に基づく情報エントロピーを有するＰＳ－ＱＡＭによって変調される。

詳細には、スループットを最大化し、又は、誤り特性を最小化するために、異なるサブキャリア又はサブバンドに、エントロピー分布を割り当てる。このとき、効率良く簡単、正確にエントロピーを割り当てる必要がある。

従来、このエントロピーの割り当ては、人的に行われるか、３次元の参照表を用いて行われていた（非特許文献１）。

Di Che and W. Shieh, "Squeezing out the last few bits from band-limited channels with entropy loading," Opt. Express, vol. 27, no. 7, pp. 9321-9329, Apr. 2019.

しかしながら、人的にエントロピーを割り当てる場合には、多数のサブキャリアに割り当てることができない。また、参照表を用いる場合には、初めに参照表において３次元マトリックスを構築するために大規模なシミュレーションを必要とする。

このように、従来のエントロピーローディングでは、多数のサブキャリアを対象にできず、多数のサブキャリアへのエントロピーの割り当てに多大な時間、労力、コストを要するという問題があった。

上述したような課題を解決するために、本発明に係る多値信号生成方法は、マルチキャリア変調において、確率整形法によりサブキャリアごとにエントロピーを割り当て、多値信号を生成する方法であって、適応学習アルゴリズムに用いる確率分布のパラメータの初期値を、送信時と受信時の学習用多値信号の比較により評価されるＳＮ比に基づき決定して、統一的な性能指標に基づき前記適応学習アルゴリズムを実行して、前記エントロピーを決定することを特徴とする。

また、本発明に係る多値信号生成方法は、マルチキャリア変調において、確率整形法によりサブキャリアごとにエントロピーを割り当て、多値信号を生成する方法であって、送信時と受信時との学習用多値信号を比較してＳＮ比を評価するステップと、前記ＳＮ比に基づき、前記エントロピーを定める確率分布のパラメータの学習用初期値を決定するステップと、前記学習用初期値を用いて、適応学習アルゴリズムにより、統一的な性能指標を算出するステップと、前記統一的な性能指標と統一的な性能指標の目標値とを比較するステップと、前記統一的な性能指標と前記目標値との差分が所定の範囲より大きい場合、新たに前記パラメータを算出して、当該パラメータを用いて前記統一的な性能指標を算出するステップとを備える。

また、本発明に係る送受信装置は、送信機と、受信機と、通信路とを備える送受信装置であって、前記受信機が、学習用多値信号のＳＮ比を評価し、前記送信機が、前記ＳＮ比に基づき、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータの学習用初期値を決定し、前記学習用初期値を用いて、適応学習アルゴリズムにより前記パラメータを算出し、前記パラメータを用いて、多値信号を生成して送信することを特徴とする。

また、本発明に係る送受信装置は、送信機と、受信機と、通信路とを備える送受信装置であって、前記送信機が、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータを決定する送信コントローラと、前記パラメータを用いて、多値信号を生成して送信する変調器とを備え、前記受信機が、前記多値信号を受信して復調する復調器と、学習用多値信号のＳＮ比を評価する受信コントローラとを備え、前記送信コントローラが、前記ＳＮ比に基づき、前記パラメータの学習用初期値を決定し、前記学習用初期値を用いた適応学習アルゴリズムにより、前記パラメータを算出することを特徴とする。

また、本発明に係る送信機は、受信機に多値信号を送信する送信機であって、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータを決定する送信コントローラと、前記パラメータを用いて、前記多値信号を生成して送信する変調器とを備え、前記送信コントローラが、前記受信機で評価される学習用多値信号のＳＮ比に基づき、前記パラメータの学習用初期値を決定し、前記学習用初期値を用いた適応学習アルゴリズムにより、前記パラメータを算出することを特徴とする。

また、本発明に係る多値信号生成プログラムは、受信機に多値信号を送信する送信機に対し、適応学習アルゴリズムに用いる、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータの初期値を、送信時と受信時の学習用多値信号の比較により評価されるＳＮ比に基づき決定して、前記適応学習アルゴリズムを実行して、前記エントロピーを算出する処理を実行させることを特徴とし、送信機を機能させる。

本発明によれば、多数キャリア変調フォーマットにおいて、多数のサブキャリアにエントロピーを割り当て、効率的にＰＳ－ＱＡＭ信号等の多値信号を生成して送受信する送受信装置、送信機、信号生成方法、および信号生成プログラムを提供できる。

図１は、本発明の第１の実施の形態に係る送受信装置の構成を示すブロック図である。図２は、本発明の第１の実施の形態に係る信号生成方法を説明するためのフローチャート図である。図３Ａは、本発明の第１の実施例におけるシミュレーション結果である。図３Ｂは、本発明の第１の実施例におけるシミュレーション結果である。図４は、本発明の第１の実施例におけるシミュレーション結果である。図５は、本発明の実施の形態におけるコンピュータの構成例を示す図である。図６Ａは、従来法におけるＱＡＭコンステレーション（信号点配置図）の一例を示す図である。図６Ｂは、従来法におけるマルチキャリア伝送でのエントロピーローディングを示す図である。

＜第１の実施の形態＞
本発明の第１の実施の形態について図１～２を参照して説明する。

＜送受信装置の構成＞
図１に、送受信装置１の構成の一例を示す。送受信装置１は、送信機１１と受信機１２と、送信機１１と受信機１２を繋ぐ通信路１３１を備える。

送信機１１は、情報源符号器１１１と通信路符号器１１２と変調器１１３とを備える。

情報源符号器１１１は、情報源符号化（データ圧縮）を実施して、データをより効率的に送信するために情報源のデータを圧縮する。

通信路符号器１１２は、通信路符号化（誤り検出訂正）を実施して、通信路上に存在する雑音などの障害への耐性を強化するためにデータビット（冗長ビット）を追加する。

変調器１１３は、変調信号（電気信号）によりレーザ光を変調して光信号を生成する。変調器１１３には、直接変調レーザを用いる。直接変調レーザには、分布ブラッグ反射（ＤＢＲ、ＤｉｓｔｒｉｂｕｔｅｄＢｒａｇｇｒｅｆｌｅｃｔｏｒ）領域を集積した分布帰還型（ＤＦＢ、Ｄｉｓｔｒｉｂｕｔｅｄｆｅｅｄｂａｃｋ）半導体レーザを用いる（例えば、N.P. Diamantopoulos, et al., “Net 321.24-Gb/s IMDD Transmission Based on a >100-GHz Bandwidth Directly-Modulated Laser,” in Proc. Optical Networking and Communication Conference & Exhibition (OFC) 2020, San Diego, CA, USA, 8-12 March, 2020, paper Th4C.1.）。活性層はＩｎＰ系半導体であり、発振波長は１．５５μｍ帯である。変調器１１３は、他の波長帯を対象とするものでよく、他の材料からなるものでもよい。また、直接変調レーザには、ＤＦＢレーザやＤＢＲレーザなどを用いてもよい。

変調器１１３には、ＥＡ－ＤＦＢレーザや、半導体レーザとＭＺ変調器との組み合わせなど外部変調デバイスを用いてもよい。

信号は通信路である光ファイバ１３１を伝搬して、受信機１２によって受信される。

受信機１２は、復調器１２１と通信路復号器１２２と情報源復号器１２３とを備える。復調器１２１は、受信した信号を復調する。復調された受信信号は、通信路復号器１２２に入力され、通信路符号化に対応する復号がなされる。また、情報源復号器１２３では、情報源符号化に対応する復号がなされる。

さらに、送信機１１は、送信制御部（コントローラ）１１４と送信記憶部（メモリ）１１５を備える。また、受信機１２は、受信制御部（コントローラ）１２４と受信記憶部（メモリ）１２５を備える。

送信制御部１１４と受信制御部１２４との間での応答において、信号生成用の適応学習アルゴリズム（後述）を実行する。受信制御部１２４は、適応学習アルゴリズムに必要なＳＮ比評価を行い、送信制御部１１４と応答する。受信記憶部１２５では、受信信号データ、ＳＮ比評価用プログラムやパラメータが記憶される。

送信制御部１１４は、評価されたＳＮ比に基づき、確率整形による信号生成に必要なパラメータを決定する。このパラメータに基づき、変調器１１３で信号を生成して送信する。また、送信記憶部１１５は、適応学習アルゴリズムに用いるプログラムやパラメータを記憶する。

このように、本実施の形態に係る送受信装置１における送信機１１では、受信機１２と応答して適応学習アルゴリズムを実行することによって、光信号伝送のスループットを向上させる。

＜信号生成方法の原理＞
変調器１１３は、それぞれバンド幅Ｂ_ｉを有するＳ個のサブキャリアに、変調次数Ｍ_ｉとエントロピーＨ（Ｘ_ｉ）に基づき、ＰＳ－ＱＡＭを割り当てる。ここで、エントロピーＨ（Ｘ_ｉ）は、以下で表される。

ここで、ｉはサブキャリアのインデックスであり、ｉ＝１、２・・・Ｓである。

Ｘ_ｉはｉ番目のサブキャリアにおけるすべての可能なシンボルのセットである。また、Ｐ_ｉは確率分布を定義する。エントロピーはｂｉｔｓ／シンボルで表される。

ＰＳ－ＱＡＭにおける確率分布、すなわち振幅ｘのシンボルの送信確率Ｐ_ｉ（ｘ）は、マックスウェル－ボルツマン（以下、「ＭＢ」という）統計に基づき、式（２）で表される。

ここで、パラメータν_ｉは、それぞれのサブキャリアにおけるＰＳ分布を定義するＭＢ定数である。換言すれば、パラメータν_ｉは、サブキャリアごとに割り当てるエントロピーを定める確率分布を示す。

このシステムにおいて、あらゆる前方誤り訂正（Ｆｏｒｗａｒｄｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎ、以下「ＦＥＣ」という。）符号を除去した後のネットデータレートは式（３）で表される。

ここで、ｖはすべてのν_ｉからなるベクトルであり、Ｒ_ｓ，ｉはサブキャリアバンド当たりのシンボルレート、ｒ_ｍｏｄは同期、等化、変調に必要な、あらゆるオーバーヘッドを定義する符号化率、ｒ_ＦＥＣはＦＥＣ符号化率である。

本実施の形態において、マルチキャリアＰＳ変調における伝送性能を示す統一的な指標として、式（４）で表される規格化された一般化相互情報量（規格化一般化相互情報量、Ｎｏｒｍａｌｉｚｅｄｇｅｎｅｒａｌｉｚｅｄｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ、以下「ＮＧＭＩ」という。）を用いる。

ＮＧＭＩは、理想的なバイナリ軟判定誤り訂正符号を用いた際に実現可能な通信容量である。本実施の形態では、ＮＧＭＩは、送信機（Ｔｘ）１１から送信されるＰＳ－ＱＡＭと受信機（Ｒｘ）１２で受信されるＰＳ－ＱＡＭとの類似性を示す。ＮＧＭＩが高いほど、ＳＮ比は高い。

ここで、ｍ_ｉ＝ｌｏｇ_２（Ｍ_ｉ）、ｎ＝１，２・・・Ｎである。

ｑ_ｉ（ｙ_ｉ｜ｘ_ｉ）は、入力信号ｘ_ｉと出力信号ｙ_ｉとの補助チャネルを定義する条件付き確率であり、ＡＷＧＮの環境下で、式（５）で表される。

さらに、ＮＧＭＩを、ビット単位の対数尤度比（Ｌｏｇ－ｌｉｋｅｌｉｈｏｏｄｒａｔｉｏ、以下「ＬＬＲ」という。）Λを用いて、式（６）に示すように表す。

ＬＬＲは、軟判定復調方式における復調によって得られる出力であり、符号化ビットが０又は１である確からしさを示す。一般に、ＬＬＲが正の値で絶対値が大きいほど符号化ビットが１である可能性が高く、負の値で絶対値が大きいほど信号ビットが０である可能性が高い。

また、Ｂ_ｉ，ｋ⊆｛０、１｝は、ｉ番目のサブキャリアバンドにおけるｋ番目のシンボルのビットのセットを定義する。また、ｂ_{ｎ，ｉ，ｋ}∈Ｂ_ｉ，ｋは、ｉ番目のサブキャリアバンドにおけるｎ番目の送信シンボルのｋ番目のビットを定義する。また、Ｘ_{Ｂ，ｉ，ｋ＝ｚ}は、ｋ番目のビットがｚ∈｛０、１｝であるｚに等しいｉ番目のサブキャリアバンドにおけるシンボルのセットを定義する。

本実施の形態では、適応学習アルゴリズムの実行において、ニュートン（Ｎｅｗｔｏｎ）法を用いるので、ν_ｉまたはｖに関してＭＢ分布、エントロピー、ネットデータレートとＮＧＭＩの偏微分係数を、式（７）～（１２）で定義する。

最後に、式（１）－（１２）に基づき、ｖ_ｊ＋１とｖ_ｊの関係を、式（１３）又は式（１４）で定義する。式（１３）では、ＮＧＭＩターゲット（ＮＧＭＩ＊）を用いる。

また、式（１４）では、ネットデータレートのターゲット（ＮｅｔＲａｔｅ＊）を用いる。

ここで、ｊは反復インデックスを示す。

＜信号生成方法の流れ＞
上述の式を用いて、適応学習アルゴリズムは、実行される。図２に、信号生成方法を説明するためのフローチャート図を示す。

初めに、入力パラメータであるＳと、Ｂ_ｉと、ｒ_ｍｏｄと、ｒ_ｒｅｃが決定される(ステップ２１）。

次に、ＳＮ比と、Ｍ_ｉとν_ｉを対応付けるために、ＳＮ比を評価する(ステップ２２）。

送信機１１における変調器１１３で、離散マルチトーン（Ｄｉｓｃｒｅｔｅｍｕｌｔｉ－ｔｏｎｅ、ＤＭＴ）の全てのサブキャリアに学習用ＱＡＭを割り当て、受信機（Ｒｘ）１２における復調器１２１に送信する。例えば、Ｍ_ｉ＝４、ν_ｉ＝０、すなわち確率的整形を施さないＱＡＭ信号を送信したときに受信機（Ｒｘ）１２でのＳＮ比を評価する。ここで、変調次数Ｍ_ｉ＝４のシンボルは１６ＱＡＭを意味する。

受信機１２で、送信されたＱＡＭシンボルと受信されたＱＡＭシンボルとを比較することにより、通常のＳＮ比評価法を用いて、それぞれのサブキャリアでＳＮ比が評価される。このように、送信時のＭ_ｉとν_ｉと、受信機１２でのＳＮ比との関係を取得する。

次に、ステップ２２で得られる、Ｍ_ｉとν_ｉと、ＳＮ比との関係に基づき、適応学習アルゴリズムのシミュレーションに用いるＭ_ｉとν_ｉの初期値（以下、「学習用初期値」という。）を決定する(ステップ２３）。例えば、ＳＮ比が５ｄＢより低い場合にはサブキャリアを用いず、ＳＮ比が５ｄＢ以上７ｄＢ以下の範囲では、Ｍ_ｉ＝４、ν_ｉ＝０を用いる等とすればよい。この学習用初期値の決定には、Ｍ_ｉとν_ｉと、ＳＮ比との関係をまとめた参照表を用いてもよい。

次に、信号伝送の性能を判定するために、Ｍ_ｉとν_ｉの学習用初期値により得られたＰＳ－ＱＡＭ信号を送信機（Ｔｘ）から受信機（Ｒｘ）に送信することをシミュレーションする (ステップ２４）。

信号伝送の性能を判定するための目標（ターゲット）として、ＮＧＭＩターゲット（目標値）またはＮｅｔＲａｔｅターゲット（目標値）を決定する。これらの値は、信号伝送におけるノイズ（雑音）の変動に対するマージン（余裕）を示す。

例えば、ＮＧＭＩターゲットを０．８６とする。または、ＮｅｔＲａｔｅターゲットを５０Ｇｂｉｔ／ｓや１００Ｇｂｉｔ／ｓとする。

次に、伝送性能の指標であるＮＧＭＩまたはＮｅｔＲａｔｅを式（２）～式（６）を用いて計算する。

次に、計算結果であるＮＧＭＩまたはＮｅｔＲａｔｅと、ＮＧＭＩターゲット（ＮＧＭＩ＊）またはＮｅｔＲａｔｅターゲット（ＮｅｔＲａｔｅ＊）とを比較して判定する(ステップ２５）。

計算結果のＮＧＭＩまたはＮｅｔＲａｔｅが、ＮＧＭＩ＊またはＮｅｔＲａｔｅ＊と同等でない場合には、式（１３）または式（１４）を用いて、新たにν_ｉを決定して、ステップ２４から再度シミュレーションを実行する(ステップ２６）。

計算結果のＮＧＭＩまたはＮｅｔＲａｔｅが、ＮＧＭＩ＊またはＮｅｔＲａｔｅ＊と同等のときに、性能目標（ターゲット）を達成したと判定され、シミュレーションを終了する(ステップ２７）。

ここで、計算結果のＮＧＭＩ（またはＮｅｔＲａｔｅ）が、ＮＧＭＩ＊（またはＮｅｔＲａｔｅ＊）と同等の場合に限らず、両者の差分が所定の範囲内にある場合も性能目標（ターゲット）を達成したと判定してもよい。

例えば、ＮＧＭＩとＮＧＭＩ＊の差分が０．００５以内のときに、性能目標（ターゲット）を達成したと判定してもよい。この場合、ＮＧＭＩとＮＧＭＩ＊の差分が０．００５より大きいときに、新たにν_ｉを決定して、ステップ２４から再度シミュレーションを実行する(ステップ２６）。

最後に、シミュレーションにより得られたＰＳ－ＱＡＭ信号を伝送（送信）する(ステップ２８）。

このように、本実施の形態に係る信号生成方法では、統一的な性能指標を用いて適応学習アルゴリズムを実行することにより、マルチキャリア変調における多数のサブキャリアに対して、確率分布を最適化できる。

＜第１の実施例＞
本実施例では、第１の実施の形態に係る光送受信装置１の構成において、適応学習アルゴリズムに基づき確率的整形を施した信号を生成する。適応学習アルゴリズムにはニュートン法を用いる。

本実施例では、周波数依存性を考慮して、８０ＧＨｚの３ｄＢバンド幅のＲＣフィルタを用いる。マルチキャリア変調には離散マルチトーン（ＤＭＴ）を用いて、サブキャリアは、Ｓ＝５１２であり、サンプリング速度は１６０ＧＨｚである。

その結果、サブキャリアのバンド幅はＢ＝Ｂ_ｉ＝１６０／５１２＝３１２．５ＭＨｚであり、シンボル速度はＲ_ｓ＝Ｒ_ｓ，ｉ＝Ｂ／２＝１５６．２５である。

時刻同期と時間等化のための複合オーバーヘッドは約１．９％であり、この値はｒ_ｍｏｄ＝０．９８１４に相当する。連結ＦＥＣの符号は総符号化率ｒ_ＦＥＣ＝０．８２６（約２１％オーバーヘッド）で付与され、ターゲットＮＧＭＩは０．８５７である。

この条件で適応学習アルゴリズムを実行する。図３Ａと図３Ｂに、適応アルゴリズムによるシミュレーション結果を示す。ＳＮ比＝１２ｄＢ（図３Ａ）とＳＮ比＝１８ｄＢ（図３Ｂ）を有するそれぞれのＡＷＧＮに対するネットデータレートを計算した。

ネットデータレートは、ＳＮ比＝１２ｄＢの時に２５０Ｇｂ／ｓが得られ、ＳＮ比＝１８ｄＢの時に４００Ｇｂ／ｓ以上が得られる。このとき、十分な収束に必要な反復は６回より少ないこともわかる。

図４に、異なるＳＮ比に対するターゲットＮＧＭＩでのネットデータレートを示す。上述の通り、本実施例におけるシステムは、少なくとも８０ＧＨｚの３ｄＢバンド幅を有する。このシステムにおいて、１７ｄＢ以上の平均ＳＮ比に対して、４００Ｇｂ／ｓのネットデータレートが得られることがわかる。

このように、本実施の形態に係る信号生成方法によれば、ＰＳ－ＱＡＭの整形時に繰り返し参照表と比較することなく、適応学習アルゴリズムにより信号生成に必要なパラメータν_ｉを決定することができる。

その結果、本実施の形態に係る送受信装置によれば、迅速にＰＳ－ＱＡＭ信号を生成でき、光伝送の高スループット化を実現できる。

本実施の形態に係る信号生成方法では、適応学習アルゴリズムにおいて最適解の取得にニュートン法を用いる。ニュートン法は迅速に最適解を得ることができる反面、学習用初期値として適切な値、すなわち最適解に近い値を設定する必要がある。

本実施の形態では、適応学習アルゴリズムで用いるＭ_ｉとν_ｉの学習用初期値を、ＳＮ比評価により決定することにより（ステップ２２～２３）、適切に設定できる。

その結果、適応学習アルゴリズムにおいて、ニュートン法によりＮＧＭＩ又はＮｅｔＲａｔｅが迅速に収束して最適解が得られ、ＰＳ－ＱＡＭ信号を生成できる。

＜第２の実施の形態＞
次に、本発明の第２の実施の形態を説明する。第２の実施の形態に係る送受信装置の構成は第１の実施の形態と同等である。本実施の形態に係る信号生成方法では、第１の実施の形態に係る信号生成方法におけるニュートン法の代わりに、最小二乗平均法を用いる。

詳細には、第１の実施例の適応アルゴリズムにおける式（１３）、（１４）に代えて、式（１５）、（１６）を用いる。

式（１５）では、ＮＧＭＩターゲット（ＮＧＭＩ＊）を用いる。

また、式（１６）では、ネットデータレートのターゲット（ＮｅｔＲａｔｅ＊）を用いる。

本実施の形態に係る信号生成方法では、適応学習アルゴリズムにおいて最適解の取得に最小二乗平均法を用いる。最小二乗平均法は迅速に最適解を得ることができる反面、学習用初期値として適切な値、すなわち最適解に近い値を設定する必要がある。

その結果、適応学習アルゴリズムにおいて、最小二乗平均法によりＮＧＭＩ又はＮｅｔＲａｔｅが迅速に収束して最適解が得られ、ＰＳ－ＱＡＭ信号を生成できる。

図５に、本発明の実施の形態に係る送受信装置における送信制御部／送信記憶部および受信制御部／受信記憶部のコンピュータの構成例を示す。送信制御部／送信記憶部および受信制御部／受信記憶部は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）５３、記憶装置（記憶部）５２およびインタフェース装置５１を備えたコンピュータ５と、これらのハードウェア資源を制御するプログラムによって実現することができる。ここで、インタフェース装置５１に、変調器、復調器などが接続される。ＣＰＵ５３は、記憶装置（記憶部）５２に格納された信号生成プログラムに従って本発明の実施の形態における処理を実行する。このように、信号生成プログラムは送受信装置を機能させる。

本発明の実施の形態に係る送信制御部／送信記憶部および受信制御部／受信記憶部では、コンピュータを装置内部に備えてもよいし、コンピュータの機能の少なくとも１部を、外部コンピュータを用いて実現してもよい。また、記憶部も装置外部の記憶媒体５４を用いてもよく、記憶媒体５４に格納された信号生成プログラムを読み出して実行してもよい。記憶媒体５４には、各種磁気記録媒体、光磁気記録媒体、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、各種メモリを含む。また、信号生成プログラムはインターネットなどの通信回線を介してコンピュータに供給されてもよい。

本発明の実施の形態では、多値信号として１６ＱＡＭ信号を対象とする例を示したが、これに限らない。ＰＳＫ信号、４ＱＡＭ信号、６４ＱＡＭ信号などの他の多値信号を対象とすることもできる。

本発明の実施の形態では、送受信装置、信号生成方法等の構成などの一例を示したが、これに限らない。送受信装置、信号生成方法等の機能を発揮し効果を奏するものであればよい。

本発明は、光伝送システムや、光伝送システムにおける送信機、受信機などのデバイス、光信号を生成する変調器等に適用することができる。

１送受信装置
１１送信機
１１１情報源符号器
１１２通信路符号器
１１３変調器
１１４送信制御部（コントローラ）
１１５送信記憶部（メモリ）
１２受信機
１２１復調器
１２２通信路復号器
１２３情報源復号器
１２４受信制御部（コントローラ）
１２５受信記憶部（メモリ）
１３１通信路

Claims

マルチキャリア変調において、確率整形法によりサブキャリアごとにエントロピーを割り当て、多値信号を生成する方法であって、
適応学習アルゴリズムに用いる確率分布のパラメータの初期値を、送信時と受信時の学習用多値信号の比較により評価されるＳＮ比に基づき決定して、統一的な性能指標に基づき前記適応学習アルゴリズムを実行して、前記エントロピーを決定する多値信号生成方法。
マルチキャリア変調において、確率整形法によりサブキャリアごとにエントロピーを割り当て、多値信号を生成する方法であって、
送信時と受信時との学習用多値信号を比較してＳＮ比を評価するステップと、
前記ＳＮ比に基づき、前記エントロピーを定める確率分布のパラメータの学習用初期値を決定するステップと、
前記学習用初期値を用いて、適応学習アルゴリズムにより、統一的な性能指標を算出するステップと、
前記統一的な性能指標と統一的な性能指標の目標値とを比較するステップと、
前記統一的な性能指標と前記目標値との差分が所定の範囲より大きい場合、新たに前記パラメータを算出して、当該パラメータを用いて前記統一的な性能指標を算出するステップと
を備える多値信号生成方法。
前記統一的な性能指標が、規格化一般化相互情報量またはネットデータレートであることを特徴とする請求項１又は請求項２に記載の多値信号生成方法。
前記適応学習アルゴリズムにおいて、ニュートン法または最小二乗平均法により最適解を得ることを特徴とする請求項１から請求項３のいずれか一項に記載の多値信号生成方法。
送信機と、受信機と、通信路とを備える送受信装置であって、
前記受信機が、学習用多値信号のＳＮ比を評価し、
前記送信機が、前記ＳＮ比に基づき、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータの学習用初期値を決定し、
前記学習用初期値を用いて、適応学習アルゴリズムにより前記パラメータを算出し、
前記パラメータを用いて、多値信号を生成して送信する送受信装置。
送信機と、受信機と、通信路とを備える送受信装置であって、
前記送信機が、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータを決定する送信コントローラと、
前記パラメータを用いて、多値信号を生成して送信する変調器とを備え、
前記受信機が、前記多値信号を受信して復調する復調器と、
学習用多値信号のＳＮ比を評価する受信コントローラとを備え、
前記送信コントローラが、前記ＳＮ比に基づき、前記パラメータの学習用初期値を決定し、
前記学習用初期値を用いた適応学習アルゴリズムにより、前記パラメータを算出することを特徴とする送受信装置。
受信機に多値信号を送信する送信機であって、
サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータを決定する送信コントローラと、
前記パラメータを用いて、前記多値信号を生成して送信する変調器とを備え、
前記送信コントローラが、前記受信機で評価される学習用多値信号のＳＮ比に基づき、前記パラメータの学習用初期値を決定し、
前記学習用初期値を用いた適応学習アルゴリズムにより、前記パラメータを算出することを特徴とする送信機。
受信機に多値信号を送信する送信機に対し、
適応学習アルゴリズムに用いる、サブキャリアごとに割り当てるエントロピーを定める確率分布のパラメータの初期値を、送信時と受信時の学習用多値信号の比較により評価されるＳＮ比に基づき決定して、
前記適応学習アルゴリズムを実行して、前記エントロピーを算出する処理を実行させることを特徴とする、送信機を機能させるための多値信号生成プログラム。