Estudo sobre o desempenho da aplicação de máquinas de vetores de suporte em sistemas ópticos coerentes digitais

Abstract

O avanço nos sistemas de comunicações ópticas tem permitido aumentos significativos nas taxas de transmissão de dados, especialmente com o desenvolvimento dos sistemas ópticos coerentes digitais. A capacidade de modulação do sinal em amplitude, fase e polarização viabiliza transmissões na ordem de centenas de gigabits por segundo de maneira eficiente. No entanto, essas altas taxas de transmissão tornam imprescindível a mitigação de efeitos lineares e não lineares. Este estudo utilizou um método baseado em algoritmos de inteligência artificial para compensar as não linearidades em uma rede óptica passiva coerente digital de longo alcance. A transmissão de um sinal óptico com dupla polarização e modulação de amplitude em quadratura de 16 níveis (16-QAM - Quadrature Amplitude Modulation) foi simulada computacionalmente utilizando o software VPI Transmission Maker em um enlace de 140 km, considerando os impactos de efeitos lineares e não lineares. Fenômenos como ruído e atenuação foram identificados como os principais fatores limitantes no alcance dos sistemas ópticos. Embora o aumento da potência de transmissão seja, à primeira vista, uma estratégia atrativa para melhorar a relação sinal-ruído, esse aumento pode intensificar as não linearidades devido à interação do sinal com o meio de propagação. Para mitigar os efeitos não lineares, foi empregado o método de regressão por vetores de suporte. A implementação foi realizada utilizando a linguagem de programação Python no ambiente Jupyter Notebook. Os resultados obtidos demonstraram que algoritmos baseados em máquinas de vetores de suporte são eficazes na compensação das não linearidades, apresentando uma melhora na taxa de erro de bit em diferentes taxas de transmissão. Ao comparar o algoritmo de classificação por vetores de suporte com o algoritmo de regressão por vetores de suporte, observou-se que o algoritmo de classificação apresentou um desempenho ligeiramente melhor, especialmente para potências de transmissão superiores a 9 dBm.

The advancement in optical communication systems has enabled significant increases in data transmission rates, especially with the development of digital coherent optical systems. The ability to modulate the signal in amplitude, phase, and polarization allows for transmissions in the order of hundreds of gigabits per second efficiently. However, these high transmission rates make the mitigation of linear and nonlinear effects essential. This study used a method based on artificial intelligence algorithms to compensate for nonlinearities in a long-range passive digital coherent optical network. The transmission of an optical signal with dual polarization and 16-level quadrature amplitude modulation (16-QAM) was computationally simulated using the VPI Transmission Maker software over a 140 km link, considering the impacts of linear and nonlinear effects. Phenomena such as noise and attenuation were identified as the main limiting factors in the reach of optical systems. Although increasing the transmission power may initially seem like an attractive strategy to improve the signal-to-noise ratio, this increase can intensify nonlinearities due to the interaction of the signal with the propagation medium. To mitigate nonlinear effects, the support vector regression method was employed. The implementation was carried out using the Python programming language in the Jupyter Notebook environment. The results demonstrated that support vector machine-based algorithms are effective in compensating for nonlinearities, showing an improvement in bit error rate at different transmission rates. When comparing the support vector classification algorithm with the support vector regression algorithm, it was observed that the classification algorithm performed slightly better, especially for transmission powers greater than 9 dBm.