Mitigación de Efectos No Lineales usando Aprendizaje Automático en Redes Ópticas de Acceso
DOI:
https://doi.org/10.17981/ingecuc.17.2.2021.02Palabras clave:
comunicaciones coherentes, modulación de amplitud en cuadratura, procesamiento digital de señales, redes ópticas de acceso, aprendizaje de máquinaResumen
Introducción/Contexto: Una de las estrategias más convenientes para el incremento de las capacidades en las redes ópticas de acceso, es el uso de la detección coherente junto con formatos de modulación de alto nivel tales como 16 y 64-QAM. Sin embargo, la detección coherente es una tecnología que requiere de un complejo procesamiento digital de señales para la mitigación de diferentes fenómenos. Objetivo: Minimizar efectos distorsivos de las señales ópticas usando demodulación no simétrica basada en algoritmos de Aprendizaje Automático.
Metodología: Se simuló un sistema Nyquist m-QAM a 28 y 32 Gbps en el software especializado VPIDesignSuite. Luego, se generaron diferentes señales moduladas a 16 y 64-QAM a diferentes anchos de línea de láser, longitudes de transmisión y potencias. Se implementaron dos algoritmos de aprendizaje automático para realizar demodulación de las señales generadas. Finalmente, el desempeño de la demodulación se midió en términos de la tasa de error de bit (BER, del inglés Bit Error Rate), en función de varios parámetros del sistema tales como longitud de fibra, potencia de salida, ancho espectral del láser y formato de modulación.
Resultados: A un valor de BER de , el uso de los algoritmos permitió ganancias de hasta 2 dB en términos de relación señal a ruido óptica para 16-QAM y de 1.5 dB para 64-QAM. Además, la demodulación basada en estos algoritmos permitió una transmisión de hasta 50 km usando un láser con un ancho espectral de 100 kHz logrando un BER menor que usando un láser de 25 kHz sin implementar las técnicas de demodulación propuestas.
Conclusiones: Se demostró que las dos técnicas pueden ser aplicadas para minimizar efectos no lineales, y a su vez, permitiría una reducción de complejidad computacional en futuras redes de acceso ópticas.
Descargas
Citas
M. Romagnoli, V. Sorianello, M. Midrio, F. H. L. Koppens, C. Huyghebaert, D. Neumaier, P. Galli, W. Templ, Antonio D’Errico & A. C. Ferrari, “Graphene-based integrated photonics for next-generation datacom and telecom,” Nat Rev Mater, vol. 3, pp. 392–414, Oct. 2018. https://doi.org/10.1038/s41578-018-0040-9
K. Shafique, B. A. Khawaja, F. Sabir, S. Qazi & M. Mustaqim, “Internet of Things (IoT) For Next-Generation Smart Systems: A Review of Current Challenges, Future Trends and Prospects for Emerging 5G-IoT Scenarios,” IEEE Access, vol. 8, pp. 1–1, 2020. https://doi.org/10.1109/access.2020.2970118
M. Zhong, Y. Yang, H. Yao, X. Fu, O. A. Dobre & O. Postolache, “5G and IoT: Towards a new era of communications and measurements,” IEEE Instrum Meas Mag, vol. 22, no. 6, pp. 18–26, Dec. 2019. https://doi.org/10.1109/MIM.2019.8917899
D. M. Marom, P. D. Colbourne, A. D’Errico, N. K. Fontaine, Y. Ikuma, R. Proietti, L. Zong, J. M. Rivas-Moscoso & I. Tomkos, “Survey of Photonic Switching Architectures and Technologies in Support of Spatially and Spectrally Flexible Optical Networking [Invited ,” J Opt Commun Netw, vol. 9, no. 1, pp. 1–, 2017. https://doi.org/10.1364/jocn.9.000001
S. Kartalopoulos & C. Qiao, “Optical access networks,” IEEE Commun Mag, vol. 43, no. 2, pp. S4–S4, Feb. 2005. https://doi.org/10.1109/MCOM.2005.1391495
L. Li, Z. Tao, L. Dou, W. Yan, S. Oda, T. Tanimura, T. Hoshida & J. C. Rasmussen, “Implementation Efficient Nonlinear Equalizer Based on Correlated Digital Backpropagation,” presented at 2011 Opt Fiber Commun Conf Expo Natl Fiber Opt Eng Conf, OFC, LA Ca. USA., 6-10 Mar. 2011. https://doi.org/10.1364/ofc.2011.oww3
L. Beygi, E. Agrell, P. Johannisson, M. Karlsson & H. Wymeersch, “The Limits of Digital Backpropagation in Nonlinear Coherent Fiber-Optical Links,” presented at 2012 38th Eur Conf Exhib Opt Commun, ECEOC, AMS, 2013. https://doi.org/10.1364/eceoc.2012.p4.14
J. Mata, I. de Miguel, R. J. Durán, N. Merayo, S. K. Singh, A. Jukan & M. Chamania, “Artificial intelligence (AI) methods in optical networks: A comprehensive surveyOpt Switch Netw, vol. 28, no.1 , pp. 43–57, Apr. 2018. https://doi.org/10.1016/j.osn.2017.12.006
Z. Dong, F. N. Khan, Q. Sui, K. Zhong, C. Lu & A. P. T. Lau, “Optical Performance Monitoring: A Review of Current and Future Technologies,” J Light Technol, vol. 34, no. 2, pp. 525–543, 15 Jan. 2016. https://doi.org/10.1109/JLT.2015.2480798
F. Musumeci, C. Rottondi, A. Nag, I. Macaluso, D. Zibar, M. Ruffini & M. Tornatore, “An Overview on Application of Machine Learning Techniques in Optical Networks,” IEEE Commun Surv Tutorials, vol. 21, no. 2, pp. 1383–1408, Sep. 2019. https://doi.org/10.1109/COMST.2018.2880039
C. Häger & H. D. Pfister, “Nonlinear interference mitigation via deep neural networks,” presented at Opt InfoBase Conf Pap, OFC, SD CA, USA, 11-15 Mar. 2018. https://doi.org/10.1364/OFC.2018.W3A.4
C. Y. Chuang, L. C. Liu, C. C. Wei, J. J. Liu, L. Henrickson, W. J. Huang, C. L. Wang, Y. K. Chen & J. Chen, “Convolutional neural network based nonlinear classifier for 112-Gbps high speed optical link,” presented at Opt InfoBase Conf Pap, OFC, SA, CA, USA, 11-15 Mar. 2018. https://doi.org/10.1364/OFC.2018.W2A.43
S. Liu, Y. M. Alfadhli, S. Shen, H. Tian & G. K. Chang, “Mitigation of multi-user access impairments in 5G A-RoF-based mobile fronthaul utilizing machine learning for an artificial neural network nonlinear equalizer2018 Opt Fiber Commun Conf Expo OFC 2018 - Proc, OFC, SA, CA, USA, 11-15 Mar. 2018. Available: https://ieeexplore.ieee.org/document/8386151
D. Wang, M. Zhang, Z. Cai, Y. Cui, Z. Li, H. Han, M. Fu & B. Luo, “Combatting nonlinear phase noise in coherent optical systems with an optimized decision processor based on machine learning,” Opt Commun, vol. 369, no. 1, pp. 199–208, Jun. 2016. https://doi.org/10.1016/j.optcom.2016.02.029
L. Sun, J. Du, G. Chen, Z. He, X. Chen & G. T. Reed, “Machine-learning detector based on support vector machine for 122-Gbps multi-CAP optical communication system,” presented at 2017 Opto-Electronics Commun Conf OECC 2017 Photonics Glob Conf PGC 2017, OECC, SG, 31 Jul.-4 Aug. 2017. https://doi.org/10.1109/OECC.2017.8114893
E. A. Fernández, J. J. G. Torres, A. M. C. Soto & N. G. Gonzalez, “Radio-over-Fiber signal demodulation in the presence of non-Gaussian distortions based on subregion constellation processing,” Opt Fiber Technol, vol. 53, no. 1, pp. 102062, Dec. 2019. https://doi.org/10.1016/j.yofte.2019.102062
H. Nain, U. Jadon & V. Mishra, “Evaluation and analysis of non-linear effect in WDM optical network,” IEEE Int Conf Recent Trends Electron Inf Commun Technol RTEICT 2016 - Proc, RTEICT, BLR, IMD, 20-21 May. 2017. https://doi.org/10.1109/RTEICT.2016.7807777
T. Okamoto & F. Ito, “Laser Phase Noise Characterization Using Parallel Linear Optical Sampling,” J Lightwave Technol, vol. 32, no. 18, pp. 3119–3125, 2014. Available: https://www.osapublishing.org/jlt/abstract.cfm?uri=jlt-32-18-3119
R.-J. Essiambre, G. Kramer, P. J. Winzer, G. J. Foschini & B. Goebel, “Capacity Limits of Optical Fiber Networks PART 1: DIGITIZATION, CAPACITY, AND CONSTELLATIONS,” J Light Technol, vol. 28, no. 4, pp. 662–701, 15 Feb. 2010. https://doi.org/10.1109/JLT.2009.2039464
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 INGE CUC
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos publicados son de exclusiva responsabilidad de sus autores y no reflejan necesariamente las opiniones del comité editorial.
La Revista INGE CUC respeta los derechos morales de sus autores, los cuales ceden al comité editorial los derechos patrimoniales del material publicado. A su vez, los autores informan que el presente trabajo es inédito y no ha sido publicado anteriormente.
Todos los artículos están bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.
English
Español (España)
