Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/24298
Autoria: | Esteves, Sofia Pérsio Eugénio |
Orientação: | Rebola, João Lopes Santana, Pedro Figueiredo |
Data: | 20-Dez-2021 |
Título próprio: | CNN-based eye pattern analysis and BER prediction in PAM4 inter-datacenter optical connections impaired by intercore crosstalk |
Referência bibliográfica: | Esteves, S. P. E. (2021). CNN-based eye pattern analysis and BER prediction in PAM4 inter-datacenter optical connections impaired by intercore crosstalk [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório do Iscte. http://hdl.handle.net/10071/24298 |
Palavras-chave: | Bit error rate Convolutional neural network Inter-core crosstalk Machine learning Multicore fiber Aprendizagem automática Crosstalk entre núcleos Fibras multinúcleo Rede neuronal convolucional Taxa de erros binários |
Resumo: | To meet the required future challenge of providing enough bandwidth to achieve high data
traffic rates in datacenter links, four-level pulse amplitude modulation (PAM4) signals
transmission in short-haul intensity modulation-direct detection datacenters connections
supported by homogeneous weakly-coupled multicore fibers has been proposed. However,
in such fibers, a physical effect known as inter-core crosstalk (ICXT) limits significantly the
performance of short-reach connections by causing large bit error rate (BER) fluctuations
that can lead undesirable system outages.
In this work, a convolutional neural network (CNN) is proposed for eye-pattern analysis and BER prediction in PAM4 inter-datacenter optical connections impaired by ICXT,
with the aim of optical performance monitoring. The performance of the CNN is assessed
using the root mean square error (RMSE).
Considering PAM4 interdatacenter links with one interfering core and for different
skew-symbol rate products, extinction ratios and crosstalk levels, the results show that
the implemented CNN is able to predict the BER without surpassing the RMSE limit. The
CNNs trained with different optical parameters obtained the best performance in terms of
generalization comparing to CNNs trained with specific optical parameters. These results
confirm that the CNN-based models can be able to extract features from received eye
patterns to predict the BER without prior knowledge of the transmitted signals. De modo a colmatar a necessidade de fornecer largura de banda suficiente para atingir altas taxas de tráfego de dados em ligações entre centros de dados, foi proposta a transmissão de sinais com modulação de impulsos em amplitude com 4 níveis (PAM4) em ligações de curto alcance entre centro de dados com modulação de intensidade e deteção direta suportadas por fibras homogéneas multinúcleo fracamente acopladas. No entanto, neste tipo de fibras, a diafonia entre núcleos (ICXT) limita significativamente o desempenho das ligações, causando grandes flutuações da taxa de erros binários (BER), o que pode conduzir à indisponibilidade da ligação. Neste trabalho, através da análise de diagramas de olho usando uma rede neuronal convolucional (CNN) é estimada a BER em ligações ópticas entre centros de dados PAM4 degradadas por ICXT com o objetivo de monitorização do desempenho. Para avaliar o desempenho da CNN é usada como métrica a raiz do erro quadrático médio (RMSE). Para diferentes atrasos de propagação entre núcleos, razões de extinção e níveis de diafonia, a CNN é capaz de prever BERs sem ultrapassar o limite estabelecido para o RMSE. As CNNs treinadas com diferentes parâmetros ópticos obtiveram o melhor desempenho em termos de generalização em comparação com CNNs treinadas com parâmetros ópticos específicos. Estes resultados confirmam que os modelos baseados em CNN são capazes de extrair informação a partir de imagens de diagramas de olhos, prevendo a BER sem conhecimento prévio dos sinais transmitidos. |
Designação do grau: | Mestrado em Engenharia de Telecomunicações e Informática |
Arbitragem científica: | yes |
Acesso: | Acesso Aberto |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_sofia_eugenio_esteves.pdf | 8,37 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.