Recuperação de fase de sinais ópticos baseada em machine learning.

Detalhes bibliográficos
Autor(a) principal: MATOS, Vitor Araujo.
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36942
Resumo: Sistemas de comunicações ópticas coerentes se tornaram o estado da arte para a criação de novas arquiteturas de sistemas de comunicações ópticas. No entanto, novos algoritmos com maior viabilidade econômica e computacional vêm sendo pesquisados para serem implementados, principalmente, em sistemas de curta e média distâncias. O avanço e a popularização de novas linguagens de programação, como a linguagem Python, e também dos frameworks especializados para a criação de algoritmos de aprendizado de máquina e redes neurais artificiais apresentam um excelente ambiente de desenvolvimento. Considerando a necessidade de técnicas de recepção e detecção de sinais, este trabalho tem como objetivo geral o estudo e implementação de técnica de processamento digital de sinais utilizando algoritmos de aprendizado de máquina, baseados em redes neurais artificiais, para detecção de fase de sinais ópticos por detecção direta utilizando treinamento supervisionado. As redes neurais implementadas apresentaram bons resultados frente ao algoritmo de Kramers-Kronig presente na literatura.
id UFCG_df60be1c2ffd75a7e48c8966223f8294
oai_identifier_str oai:localhost:riufcg/36942
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str 4851
spelling Recuperação de fase de sinais ópticos baseada em machine learning.Phase recovery of optical signals based on machine learning.Detecção CoerenteDetecção DiretaRede Neural ArtificialAlgoritmo de Kramers-KronigComunicações ÓpticasCoherent DetectionDirect DetectionArtificial Neural NetworkKramers-Kronig AlgorithmOptical CommunicationsEngenharia ElétricaSistemas de comunicações ópticas coerentes se tornaram o estado da arte para a criação de novas arquiteturas de sistemas de comunicações ópticas. No entanto, novos algoritmos com maior viabilidade econômica e computacional vêm sendo pesquisados para serem implementados, principalmente, em sistemas de curta e média distâncias. O avanço e a popularização de novas linguagens de programação, como a linguagem Python, e também dos frameworks especializados para a criação de algoritmos de aprendizado de máquina e redes neurais artificiais apresentam um excelente ambiente de desenvolvimento. Considerando a necessidade de técnicas de recepção e detecção de sinais, este trabalho tem como objetivo geral o estudo e implementação de técnica de processamento digital de sinais utilizando algoritmos de aprendizado de máquina, baseados em redes neurais artificiais, para detecção de fase de sinais ópticos por detecção direta utilizando treinamento supervisionado. As redes neurais implementadas apresentaram bons resultados frente ao algoritmo de Kramers-Kronig presente na literatura.Coherent optical communications systems have become the state of the art for creating new optical communications system architectures. However, new algorithms with greater economic and computational feasibility have been researched to be implemented, mainly, in short and medium distance systems. The advancement and popularization of new programming languages, such as the Python language, and also of specialized frameworks for the creation of machine learning algorithms and artificial neural networks present an excellent development environment. Considering the need for signal reception and detection techniques, this work has as general objective the study and implementation of a digital signal processing technique using machine learning algorithms, based on artificial neural networks, for optical signal phase detection by direct detection using supervised learning. The implemented neural networks showed good results against the Kramers-Kronig algorithm present in the literature.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGSILVA, Edson Porto da.SILVA, E. P.http://lattes.cnpq.br/2726277338449886HERBSTER, Adolfo Fernandes.HERBSTER, A. F.http://lattes.cnpq.br/2028782512453979MATOS, Vitor Araujo.2021-10-212024-07-30T16:09:26Z2024-07-302024-07-30T16:09:26Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36942MATOS, Vitor Araujo. Recuperação de fase de sinais ópticos baseada em machine learning. 2021. 36 f. Monografia (Bacharelado em Engenharia Elétrica) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2021.porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2024-07-30T16:09:26Zoai:localhost:riufcg/36942Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512024-07-30T16:09:26Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.none.fl_str_mv Recuperação de fase de sinais ópticos baseada em machine learning.
Phase recovery of optical signals based on machine learning.
title Recuperação de fase de sinais ópticos baseada em machine learning.
spellingShingle Recuperação de fase de sinais ópticos baseada em machine learning.
MATOS, Vitor Araujo.
Detecção Coerente
Detecção Direta
Rede Neural Artificial
Algoritmo de Kramers-Kronig
Comunicações Ópticas
Coherent Detection
Direct Detection
Artificial Neural Network
Kramers-Kronig Algorithm
Optical Communications
Engenharia Elétrica
title_short Recuperação de fase de sinais ópticos baseada em machine learning.
title_full Recuperação de fase de sinais ópticos baseada em machine learning.
title_fullStr Recuperação de fase de sinais ópticos baseada em machine learning.
title_full_unstemmed Recuperação de fase de sinais ópticos baseada em machine learning.
title_sort Recuperação de fase de sinais ópticos baseada em machine learning.
author MATOS, Vitor Araujo.
author_facet MATOS, Vitor Araujo.
author_role author
dc.contributor.none.fl_str_mv SILVA, Edson Porto da.
SILVA, E. P.
http://lattes.cnpq.br/2726277338449886
HERBSTER, Adolfo Fernandes.
HERBSTER, A. F.
http://lattes.cnpq.br/2028782512453979
dc.contributor.author.fl_str_mv MATOS, Vitor Araujo.
dc.subject.por.fl_str_mv Detecção Coerente
Detecção Direta
Rede Neural Artificial
Algoritmo de Kramers-Kronig
Comunicações Ópticas
Coherent Detection
Direct Detection
Artificial Neural Network
Kramers-Kronig Algorithm
Optical Communications
Engenharia Elétrica
topic Detecção Coerente
Detecção Direta
Rede Neural Artificial
Algoritmo de Kramers-Kronig
Comunicações Ópticas
Coherent Detection
Direct Detection
Artificial Neural Network
Kramers-Kronig Algorithm
Optical Communications
Engenharia Elétrica
description Sistemas de comunicações ópticas coerentes se tornaram o estado da arte para a criação de novas arquiteturas de sistemas de comunicações ópticas. No entanto, novos algoritmos com maior viabilidade econômica e computacional vêm sendo pesquisados para serem implementados, principalmente, em sistemas de curta e média distâncias. O avanço e a popularização de novas linguagens de programação, como a linguagem Python, e também dos frameworks especializados para a criação de algoritmos de aprendizado de máquina e redes neurais artificiais apresentam um excelente ambiente de desenvolvimento. Considerando a necessidade de técnicas de recepção e detecção de sinais, este trabalho tem como objetivo geral o estudo e implementação de técnica de processamento digital de sinais utilizando algoritmos de aprendizado de máquina, baseados em redes neurais artificiais, para detecção de fase de sinais ópticos por detecção direta utilizando treinamento supervisionado. As redes neurais implementadas apresentaram bons resultados frente ao algoritmo de Kramers-Kronig presente na literatura.
publishDate 2021
dc.date.none.fl_str_mv 2021-10-21
2024-07-30T16:09:26Z
2024-07-30
2024-07-30T16:09:26Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36942
MATOS, Vitor Araujo. Recuperação de fase de sinais ópticos baseada em machine learning. 2021. 36 f. Monografia (Bacharelado em Engenharia Elétrica) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2021.
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36942
identifier_str_mv MATOS, Vitor Araujo. Recuperação de fase de sinais ópticos baseada em machine learning. 2021. 36 f. Monografia (Bacharelado em Engenharia Elétrica) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2021.
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1809744630734913536

Registros relacionados