DPD-KAN: Kolmogorov-Arnold Networks for Low Complexity Digital Predistortion in 5G Analog Radio-over-Fiber Systems

Technische Zusammenfassung: DPD-KAN für 5G-Analog-RoF-Systeme

Problemstellung
Radio-over-Fiber (RoF) ist eine kritische Technologie für die Verteilung drahtloser Signale in dichten 5G- und zukünftigen 6G-Netzwerken. Während Digitales RoF (D-RoF) eine hohe Signalfidelität gewährleistet, führt es zu erheblichen Bandbreiten-Overhead- und Leistungsverbrauchsproblemen bei dichten Remote Radio Unit (RRU)-Bereitstellungen. Analoges RoF (A-RoF) bietet eine effizientere Alternative mit geringerer Latenz und Komplexität; A-RoF-Verbindungen sind jedoch hochgradig anfällig für Signaldegradation. In Systemen, die direkt modulierte Laser (DMLs) verwenden, entstehen Beeinträchtigungen durch Lasersättigung, Clipping, intensitätsabhänglichen Chirp sowie Chirp-Dispersion-Interaktionen innerhalb einer Standard-Einmodenfaser (SSMF).

Digitale Prädistorsion (DPD) ist die Standardtechnik zur Minderung dieser Nichtlinearitäten. Während Modelle des maschinellen Lernens (ML), wie Multilayer-Perzeptrone (MLPs), Convolutional Neural Networks (CNNs) und Rekurrente Neuronale Netze (RNNs), eine überlegene Leistung gegenüber klassischen Volterra-basierten Methoden (z. B. Generalized Memory Polynomials, GMP) gezeigt haben, bleiben deren Rechenkomplexität und Leistungsaufnahme Barrieren für den praktischen Einsatz in Fronthaul-Verbindungen. Darüber hinaus haben Kolmogorov-Arnold-Netzwerke (KANs), die lernbare Aktivierungsfunktionen auf den Kanten anstelle fester Funktionen an den Knoten verwenden, vielversprechende Ergebnisse bei der optischen Basband-Equalisierung und der RF-Leistungsverstärker-DPD gezeigt, wurden jedoch bisher noch nicht für die DPD in A-RoF-Systemen untersucht.

Methodik
Die Autoren schlagen DPD-KAN vor, das erste KAN-basierte DPD-Modell, das speziell für eine 5G New Radio (NR) A-RoF-Fronthaul-Verbindung entwickelt wurde. Der Versuchsaufbau umfasst eine 100 MHz Bandbreite, ein 64-QAM 5G NR-Waveform, das auf einen 3,6 GHz RF-Träger hochgemischt wurde. Die optische Übertragung nutzt einen 1550 nm VCSEL DML über eine 1 km lange SSMF-Strecke, gefolgt von der Fotodetektion und Erfassung mittels eines Echtzeit-Oszilloskops.

Die DPD-KAN-Architektur verwendet eine duale Pfad-Residuenstruktur:

1. Linearer Pfad: Eine Identitätsabbildung, die das unkorrigierte Signal weiterleitet.
2. Nichtlinearer KAN-Pfad: Lernt die Residuenkorrektur ($\Delta I, \Delta Q$). Im Gegensatz zu MLPs verwenden KANs lernbare Aktivierungsfunktionen $\phi(x)$ auf den Kanten, definiert als eine Kombination aus einem Basiskonstante, einer SiLU-Funktion und einer gewichteten Summe von B-Spline-Basisfunktionen.

Das Modell verarbeitet einen dreidimensionalen Eingangsvektor, der aus den In-Phase (I) und Quadratur (Q) Komponenten des Basbandsignals sowie der RF-Eingangsleistung besteht. Aufgrund der 1 km langen Verbindungsstrecke wurden die Gedächtniseffekte durch chromatische Dispersion als vernachlässigbar eingestuft; daher wurde eine gedächtnislose Architektur gewählt, um statische Beeinträchtigungen (VCSEL elektro-optische Nichtlinearität und Treiberverstärker-Sättigung) zu adressieren. Die Modellgewichte werden während der Inferenz auf eine 8-Bit-Auflösung uniform quantisiert.

Zur Validierung wurde eine indirekte Lernarchitektur (Indirect Learning Architecture, ILA) verwendet, um die Modelle zu trainieren. Die Autoren verglichen das vorgeschlagene DPD-KAN mit einem Baseline-MLP (unter Verwendung derselben Residuenstruktur) und einem konventionellen GMP-Modell. Die Komplexität wurde in Bit-Operationen (BOPs) gemessen, um die Kosten quantisierter Netzwerke präzise abzubilden.

Wichtigste Ergebnisse
Die Studie bewertet die Leistung basierend auf dem Error Vector Magnitude (EVM), dem Adjacent Channel Leakage Ratio (ACLR) und dem Normalized Mean Square Error (NMSE) über variierende RF-Eingangsleistungen und Komplexitätsstufen (BOPs) hinweg.

• Leistung bei geringer Komplexität: Bei etwa $10^4$ BOPs übertrifft DPD-KAN sowohl MLP als auch GMP signifikant. Speziell bei einer RF-Eingangsleistung von 5 dBm erreicht DPD-KAN ein 24,2 % niedrigeres EVM als ein MLP mit vergleichbarer Komplexität und ein 29,6 % niedrigeres EVM als ein GMP-Modell mit höherer Komplexität ($10^5$ BOPs).
• Spektrale Effizienz: Bei einer RF-Eingangsleistung von 3 dBm reduziert das $10^4$ BOPs KAN-Modell das spektrale Regrowth um etwa 5 dB im Vergleich zu einem $10^4$ BOPs MLP und einem $10^5$ BOPs GMP-Modell.
• Komplexitätseffizienz: Eine umfassende Analyse von 200 unabhängigen Testläufen zeigt, dass DPD-KAN zu einem wesentlich geringeren Rechenaufwand zur optimalen Leistung konvergiert. Um einen EVM-Schwellenwert von weniger als 2 % zu erreichen, benötigt DPD-KAN etwa 52 % weniger BOPs als die MLP-Baseline (1,32 $\times$ $10^4$ BOPs für KAN vs. 2,75 $\times$ $10^4$ BOPs für MLP).
• Leistung bei hoher Komplexität: Bei höheren Komplexitätsstufen ($10^5$ BOPs) erreicht DPD-KAN ein EVM von 0,91 %, einen ACLR von -47,46 dBc und einen NMSE von -40,81 dB, wobei es mit dem äquivalenten MLP vergleichbar abschneidet, aber einen nachgewiesenen Vorteil in der Konvergenzeffizienz bei geringeren Komplexitäten aufweist.

Bedeutung und Ansprüche
Die Arbeit beansprucht, die erste Anwendung von KANs für die DPD in 5G A-RoF-Fronthaul-Verbindungen zu demonstrieren, womit eine grundlegend andere Herausforderung adressiert wird als bei bisherigen KAN-Anwendungen in der Basband-Equalisierung oder bei eigenständigen RF-Leistungsverstärkern. Die primäre Bedeutung dieser Arbeit liegt im Nachweis, dass KANs eine effizientere nichtlineare Basis für die Verzerrungsprofile von VCSEL-basierten A-RoF-Verbindungen bieten als feste Aktivierungs-MLPs und Volterra-basierte GMPs, insbesondere unter strengen Komplexitätsbeschränkungen.

Die Autoren kommen zu dem Schluss, dass DPD-KAN eine geeignete Architektur für die Linearisierung mit geringer Komplexität in Ressourcen-beschränkten 5G-Fronthaul-A-RoF-Systemen darstellt und einen Weg aufzeigt, effektive ML-basierte DPD in ressourcenarmen 5G-Umgebungen ohne den damit verbundenen hohen Energie- und Rechenaufwand traditioneller Deep-Learning-Modelle einzusetzen.