Redes neurais convolucionais para predição de probabilidade de erro de bit em sistemas de comunicações ópticas coerentes digitais limitados por modulação de fase não linear

Abstract

Neste trabalho são desenvolvidas técnicas para estimar a probabilidade de erro de bit (BER) em sistemas de comunicações ópticas digitais coerentes utilizando redes neurais convolucionais (CNNs). A estimativa é performada por meio do processamento histogramas de constelações de sinais por um algoritmo de regressão, capaz de generalizar a estimativa para redes ópticas passivas (PONs) com diferentes comprimentos de enlace e valores de potência de transmissão. Os resultados revelam que, utilizando uma CNN capaz de processar histogramas compostos por 10.000 símbolos e 64 bins, o erro entre o valor médio de BER estimado e esperado foi igual ou inferior a 10.87% para uma PON de 150 km considerando a faixa de valores de potência em que o sistema é limitado por modulação de fase não linear. O custo computacional necessário para realizar uma estimativa de BER utilizando a CNN descrita é de 195,61 x 10^6 operações de ponto flutuante.

In this work, we developed techniques to estimate bit error ratio (BER) in digital coher- ent optical communications systems using convolutional neural networks (CNNs). The estimation is performed by processing histograms of constellations diagrams considering a regression algorithm capable of generalizing the estimation to different passive optical networks (PONs) configurations. Results reveal that a CNN trained to process histograms of 64 bins composed by 10,000 symbols presents an estimation error equal to or less than 10.87% considering a 150 km PON for launch optical power values over which the system is limited by non-linear phase modulation. The computational cost required to perform a BER estimation using the described CNN is 195.61 × 106 floating point operations.