- 차례 - 

1. 서론

2. 인공 신경망 기반 등화기의 기술 동향

• 인공 신경망 기반 등화기의 작동 원리 
• 인공 신경망 기반 등화기의 종류

3. 인공신경망 기반 등화기의 학습과 과접합의 해결방안

• 인공 신경망 기반 등화기의 과접합 문제
• 과적합 없이 인공 신경망 기반 등화기를 학습하는 방법

4. 결론

I. 서론 가상현실, OTT(Over The Top) 미디어 서비스, 4K/8K 비디오, IoT(Internet of Things), 5G 기반의 모바일 서비스 그리고 클라우드 컴퓨팅 등과 같은 기술이 개발되고 이에 대한 수요가 늘어나면서 데이터 트래픽이 지속적으로 급증하고 있다. [그림 1]은 Cisco사에서 조사한 미래의 커넥티드 홈에서 요구하는 대역폭 전망이다. 고해상도 가상현실과 같은 서비 스가 현실화되면 단일 서비스만으로도 수백 Mbps 이상이 필요할 것으로 예측된다[1]. 이와같이 기하급수적으로 증가하는 데이터 트래픽을 처리하기 위해서는 고속, 대용량의 신호 처리가 요구된다. 이에 따라 이더넷의 전송 용량은 지속적으로 증가하고 있으며, 이는 [그림 2]의 Ethernet Alliance의 로드맵의 이더넷 개발에 대한 현황에서도 확인할 수 있다[2]. 단일 채널에서는 2021년 100Gb/s의 이더넷 개발이 완료되었고 200Gb/s를 위한 이더넷 개발이 진행되고 있다. 다채널에 대해서는 100Gb/s와 400Gb/s의 이더넷 개발이 완료되어 있는 상태이며, 800Gb/s와 1.6Tb/s 이더넷이 개발 중이거나 개발 계획이다. 데이터센터 내 신호 전송이나 광 액세스 망과 같이 비교적 짧은 거리에서 광신호를 전송하는 광전송 시스템에서는 비용 효율적인 시스템이 요구된다. 따라서 비용이 많이 들고 전력 소모가 많은 코히어런트(coherent) 시스템보다는 비용 효율적인 세기 변조(intensity modulation) /직접 검출(direct detection) 시스템이 단거리 광신호 전송에 더 적합하다[3]-[6]. 하지만 직접 검출 수신기는 제곱법 검출(square-law detection)을 통해서 광신호의 세기만을 검출 하기 때문에 광섬유의 색 분산과 같은 선형 현상도 비선형 왜곡으로 나타나게 된다. 따라서 비선형 왜곡의 영향을 줄이기 위해서 색 분산의 영향이 없는 O 밴드에서 광신호를 전송하는 시스템이 많이 연구되고 있다[7]-[9]. 하지만 이 경우, C 밴드에 비해서 전송 손실이 크고 향후 전송 용량을 증가시키는 데에 제한이 있다. 이에 따라 C 밴드의 경우 광신호를 전송하 는 과정에서 색 분산의 영향을 받지만 직접 검출 후 왜곡된 신호를 비선형 등화기를 통해 복원하는 연구도 이루어지고 있다[10]-[12]. 이러한 비선형 파형 왜곡을 보상해주기 위해서수신단에서는 비선형 등화기가 요구되며, 그 종류로는 판정 궤환 등화기(decision-feedback equalizer), 최대 우도 추정 등화기(maximum likelihood sequence equalizer) 그리고 볼테라 등화기(Volterra equalizer)가 있다