Design of a Flattening Filter Using Fiber Bragg Gratings for edfa Gain Equalization: An Artificial Neural Network Application

• David Esteban Montoya Alba ^[1] ; Jhonatan Mcniven Cagua Herrera ^[1] ; Gustavo Adolfo Puerto Leguizamón ^[1]
  1. [1] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
• Localización: Ciencia e Ingeniería Neogranadina, ISSN-e 0124-8170, Vol. 29, N. 2, 2019, págs. 25-36
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    este artículo presenta una propuesta para la compensación de la ganancia no uniforme de los amplificadores ópticos de fibra dopada con Erbio (edfa) en sistemas multiplexados por longi-tud de onda (wdm ) usando redes de difracción de Bragg (fbg). En esta propuesta las redes neuronales artificiales tipo perceptrón multicapa con propagación hacia atrás (feed-forward backpropagation) se entrenaron bajo el método de la secante (one-step secant) y se seleccionaron según error cuadrático medio. La propuesta optimiza los parámetros del fbg, como la frecuencia central, el nivel de rechazo y la longitud para determinar una respuesta de filtrado basada en un número reducido de fbg que se utilizarán para aplanar la respuesta no lineal de la ganancia del amplificador y evitar el tratamiento por portadora de un filtro de aplanamiento estándar. Mientras que una red neuronal artificial con una estructura de 7-10-6 demostró la viabilidad de igualar la ganancia de un edfa utilizando tan solo tres fbg , una estructura de 25-18-12 mejoró los resultados cuando la configuración consistió en un arreglo de seis fbg que proporcionaron resultados similares a los que ofrece el filtro estándar de aplanamiento de ganancia. La propuesta se evaluó en un sistema wdm amplificado de ocho portadoras ópticas ubicados entre 195 THz y 196,4 THz.

  • English

    This paper presents a proposal for the non-uniform gain compensation of an Erbium-doped fiber optic amplifier (edfa) in a Wavelength Division Multiplexed (wdm) system using Fiber Bragg Gratings (fbg ). In this proposal, the multilayer perceptron feed-forward artificial neural network with backpropagation was trained under the secant method (one-step secant) and was se-lected according to mean square error measurement. The proposal optimizes fbg parameters such as center frequency, rejection level and length in order to determine a filtering response based on a reduced number of fbgs that will be used to flatten the non-linear response of the amplifier gain and avoid the per-carrier treatment of a standard flattening filter. While an artificial neural network with a 7-10-6 structure demonstrated the feasibility of equalizing the gain of an edfa using as few as three fbg s, a 25-18-12 structure improved the results when the configuration consisted of an fbg array of six resonances that provided similar results to that featured by the standard gain-flattening filter. The proposal was evaluated in an amplified wdm system of eight optical carriers located between 195 -196.4 THz.