Mitigação de não linearidades em sistemas de comunicações ópticas coerentes digitais utilizando SVC

Abstract

Os progressos nos sistemas de comunicações ópticas têm permitido elevar de forma significativa as taxas de transmissão de dados, sobretudo com o surgimento das tecnologias coerentes digitais. A possibilidade de modular o sinal em amplitude, fase e polarização viabiliza a transmissão de centenas de gigabits por segundo com alta eficiência. Entretanto, essas elevadas velocidades exigem que se façam correções tanto para efeitos lineares quanto não lineares. Neste trabalho, utilizou-se uma estratégia baseada em algoritmos de inteligência artificial para compensar essas não linearidades em uma rede óptica passiva coerente de longa distância. A transmissão de um sinal óptico em dupla polarização, utilizando modulação em amplitude em quadratura de 16 níveis (16-QAM), foi simulada em um enlace de 175 km, levando em conta a influência de efeitos lineares e não lineares. Fatores como ruído e atenuação foram identificados como principais limitadores no desempenho dos sistemas ópticos. Embora o aumento da potência de transmissão possa, inicialmente, parecer uma alternativa promissora para melhorar a relação sinal ruído, ele também intensifica os efeitos não lineares decorrentes da interação do sinal com o meio de propagação. Para reduzir esses impactos, foi utilizado um método de classificação baseado em vetores de suporte, SVC, implementado em Python no ambiente Jupyter Notebook. Os resultados mostraram que técnicas fundamentadas em máquinas de vetores de suporte são eficientes na compensação das não linearidades, proporcionando redução na taxa de erro de bit em diferentes regimes de transmissão. Este estudo destaca a eficácia da classificação por vetores de suporte na otimização de sistemas ópticos digitais coerentes, particularmente em ambientes de longo alcance com modulação avançada, representando uma contribuição valiosa para o desenvolvimento de tecnologias de comunicação óptica mais eficientes e confiáveis.

The progress achieved in optical communication systems has significantly increased data transmission rates, especially with the emergence of digital coherent technologies. The ability to modulate the signal in amplitude, phase, and polarization enables the transmission of hundreds of gigabits per second with high efficiency. However, these high speeds require compensation for both linear and nonlinear effects. In this work, an artificial intelligence–based strategy was employed to mitigate these nonlinearities in a long-distance coherent passive optical network. The transmission of a dual-polarization optical signal using 16-level quadrature amplitude modulation (16-QAM) was simulated over a 175 km link, taking into account the influence of linear and nonlinear effects. Factors such as noise and attenuation were identified as the main performance limiters in optical systems. Although increasing the launch power may initially seem like a promising alternative to improve the signal-to-noise ratio, it also intensifies nonlinear effects resulting from the interaction between the signal and the propagation medium. To reduce these impacts, a classification method based on Support Vector Classification (SVC) was applied, implemented in Python within the Jupyter Notebook environment. The results showed that techniques based on support vector machines are effective in compensating nonlinearities, providing a reduction in bit error rate across different transmission regimes. This study highlights the effectiveness of support vector classification in optimizing coherent digital optical systems, particularly in long-reach environments with advanced modulation formats, representing a valuable contribution to the development of more efficient and reliable optical communication technologies.