Utilização de regressão logística para mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais

Detalhes bibliográficos
Autor(a) principal: Paula Júnior, Rômulo Aparecido de
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