Uso de algoritmos de clusterização para mitigação de impedimentos em sistemas ópticos coerentes digitais DP-16QAM de alta taxa de transmissão de um único span

• Autor(a) principal: Borges, Lúcio Neri
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/211007
• topic: Comunicações ópticas; Fibras ópticas; Sistemas de telecomunicação

O progresso nos sistemas de comunicações ópticas possibilitou um grande aumento nas taxas de transmissão de dados. E os sistemas ópticos coerentes digitais têm uma contribuição muito importante neste processo. A possibilidade de modulação do sinal em amplitude,fase e polarização, permite que se possa atingir taxas de transmissão na ordem de centenas de giga bits por segundo com grande facilidade. Porém, estas altas taxas de transmissão tornam muito importante a mitigação de efeitos lineares e não lineares, o que é possível graças ao emprego dos processadores digitais de sinais. Neste conceito, os efeitos lineares foram amplamente estudados e, por meio do domínio digital, têm sido mitigados com bastante qualidade. Algoritmos de inteligência artificial têm contribuído no processo de mitigação destes efeitos e os resultados têm se mostrado muito promissores. Diante disso, propomos neste trabalho a utilização dos algoritmos de clusterização de dados não supervisionados denominados Maximização de Expectativa e K-means com inicialização K-means++, para mitigação dos impedimentos em sistemas ópticos coerentes com modulação DP-16QAM. São analisados os resultados da taxa de erros de bits (BER, do inglês bit error ratio) para sistemas operando em 100 Gbps e 400 Gbps. Para taxas de 100 Gbps são avaliados os comprimentos de enlaces variando de 120 km a 200 km, com potência de lançamento na fibra variando de 0 dBm a 15 dBm. Já os enlaces que operam a 400 Gbps são avaliados para comprimentos de 80 km a 150 km. Com os resultados obtidos neste trabalho,podemos verificar que os algoritmos são eficazes na mitigação de não linearidades, em ambas as taxas de transmissão analisadas, quando comparados com a detecção por máxima verossimilhança. Pode-se observar também que os algoritmos auxiliam na mitigação de efeitos lineares como o desbalanceamento da rede híbrida e do efeito da dessincronização do relógio. Por fim, os custos computacionais dos algoritmos de aprendizagem de máquinas utilizados são comparados, e fica evidenciado que o custo para o algoritmo de K-means é dezenas de vezes menor.