Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/217446 |
Resumo: | In this work we studied a method for compensating nonlinearities based on artificial intelligence for digital coherent long-reach passive optical networks. The transmission of an optical signal modulated utilizing 16-QAM format through a link, whose model considers both linear and nonlinear effects, was computationally simulated. In such systems, noise and attenuation limit the range. Unfortunately, increasing transmission power is not a feasible solution, because it causes the excitation of nonlinearities as a result the interation between the signal and the medium. The results show that, due to the nonlinear phase rotation caused by the Kerr effect, the conventional detection by maximum likelihood presents low performance. The implemented computational technique, denominated logistic regression, is able to draw complex decision boundaries that fit the received distorted constellations. By applying the aforementioned algorithm, a decrease of up to 38% of the optimal value of the symbol error rate in relation with the maximum likelihood detection can be achieved. These results reveal that, by the compensation of such effects, it’s possible to improve the bandwidth-length product. |
id |
UNSP_1e4e4c9292fea0aa66a6b65053d9a310 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/217446 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitaisUse of logistic regression to mitigate nonlinearities in digital coherent optical communications systemsComunicações ópticasInteligência artificialTelecomunicaçõesIn this work we studied a method for compensating nonlinearities based on artificial intelligence for digital coherent long-reach passive optical networks. The transmission of an optical signal modulated utilizing 16-QAM format through a link, whose model considers both linear and nonlinear effects, was computationally simulated. In such systems, noise and attenuation limit the range. Unfortunately, increasing transmission power is not a feasible solution, because it causes the excitation of nonlinearities as a result the interation between the signal and the medium. The results show that, due to the nonlinear phase rotation caused by the Kerr effect, the conventional detection by maximum likelihood presents low performance. The implemented computational technique, denominated logistic regression, is able to draw complex decision boundaries that fit the received distorted constellations. By applying the aforementioned algorithm, a decrease of up to 38% of the optimal value of the symbol error rate in relation with the maximum likelihood detection can be achieved. These results reveal that, by the compensation of such effects, it’s possible to improve the bandwidth-length product.No presente trabalho estudamos um método de compensação de não linearidades baseado em algoritmos de inteligência artificial para uma rede óptica passiva coerente digital de longa distancia. Simulou-se computacionalmente a transmissão de um sinal óptico modulado utilizando formato 16-QAM por meio de um enlace, cujo modelo inclui tanto efeitos lineares quanto não lineares. Os fenômenos de ruído e de atenuação são responsáveis por limitar o alcance de um sistema óptico, e o aumento da potência de transmissão não é uma solução trivial, pois isto ocasiona a excitação de não linearidades devido à interação do sinal com o meio. Os resultados mostram que, devido a rotação não linear de fase causada pelo efeito Kerr, a detecção por máxima verossimilhança apresenta um baixo desempenho. A técnica computacional implementada, denominada regressão logística, é capaz de traçar limiares de decisão complexos que se adaptam as constelações distorcidas recebidas. Ao utilizar o algoritmo demonstrou-se uma diminuição de cerca de 38% do valor ótimo da taxa de erro de símbolo em relação a detecção por máxima verossimilhança. Estes resultados indicam que, ao compensar tais efeitos, é possível melhorar o produto banda-distancia.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Garde, Ivan Aritz Aldaya [UNESP]Universidade Estadual Paulista (Unesp)Paula Júnior, Rômulo Aparecido de2022-03-28T19:57:53Z2022-03-28T19:57:53Z2019-12-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/217446porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-06T14:17:58Zoai:repositorio.unesp.br:11449/217446Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-06T14:17:58Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais Use of logistic regression to mitigate nonlinearities in digital coherent optical communications systems |
title |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais |
spellingShingle |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais Paula Júnior, Rômulo Aparecido de Comunicações ópticas Inteligência artificial Telecomunicações |
title_short |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais |
title_full |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais |
title_fullStr |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais |
title_full_unstemmed |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais |
title_sort |
Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais |
author |
Paula Júnior, Rômulo Aparecido de |
author_facet |
Paula Júnior, Rômulo Aparecido de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Garde, Ivan Aritz Aldaya [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Paula Júnior, Rômulo Aparecido de |
dc.subject.por.fl_str_mv |
Comunicações ópticas Inteligência artificial Telecomunicações |
topic |
Comunicações ópticas Inteligência artificial Telecomunicações |
description |
In this work we studied a method for compensating nonlinearities based on artificial intelligence for digital coherent long-reach passive optical networks. The transmission of an optical signal modulated utilizing 16-QAM format through a link, whose model considers both linear and nonlinear effects, was computationally simulated. In such systems, noise and attenuation limit the range. Unfortunately, increasing transmission power is not a feasible solution, because it causes the excitation of nonlinearities as a result the interation between the signal and the medium. The results show that, due to the nonlinear phase rotation caused by the Kerr effect, the conventional detection by maximum likelihood presents low performance. The implemented computational technique, denominated logistic regression, is able to draw complex decision boundaries that fit the received distorted constellations. By applying the aforementioned algorithm, a decrease of up to 38% of the optimal value of the symbol error rate in relation with the maximum likelihood detection can be achieved. These results reveal that, by the compensation of such effects, it’s possible to improve the bandwidth-length product. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-12-05 2022-03-28T19:57:53Z 2022-03-28T19:57:53Z |
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://hdl.handle.net/11449/217446 |
url |
http://hdl.handle.net/11449/217446 |
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.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128130070609920 |