Mitigation of Nonlinear Effects using Machine Learning in Coherent Optical Access Networks

• Escobar Pérez, Alejandro ^[1] ; Arroyave Giraldo, Karen ^[1] ; Lopera Cortés, Jhon Anderson ^[1] ; Granada Torres, Jhon James ^[1]
  1. [1] Universidad de Antioquia

     Universidad de Antioquia

     Colombia

     
• Localización: INGE CUC, ISSN 0122-6517, ISSN-e 2382-4700, Vol. 17, Nº. 2, 2021 (Ejemplar dedicado a: (Julio-Diciembre)), 20 págs.
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Introducción/Contexto: Una de las estrategias más convenientes para el incremento de las capacidades en las redes ópticas de acceso, es el uso de la detección coherente junto con formatos de modulación de alto nivel tales como 16 y 64-QAM. Sin embargo, la detección coherente es una tecnología que requiere de un complejo procesamiento digital de señales para la mitigación de diferentes fenómenos. Objetivo: Minimizar efectos distorsivos de las señales ópticas usando demodulación no simétrica basada en algoritmos de Aprendizaje Automático.

     Metodología: Se simuló un sistema Nyquist m-QAM a 28 y 32 Gbps en el software especializado VPIDesignSuite. Luego, se generaron diferentes señales moduladas a 16 y 64-QAM a diferentes anchos de línea de láser, longitudes de transmisión y potencias. Se implementaron dos algoritmos de aprendizaje automático para realizar demodulación de las señales generadas. Finalmente, el desempeño de la demodulación se midió en términos de la tasa de error de bit (BER, del inglés Bit Error Rate), en función de varios parámetros del sistema tales como longitud de fibra, potencia de salida, ancho espectral del láser y formato de modulación.

    Resultados: A un valor de BER de , el uso de los algoritmos permitió ganancias de hasta 2 dB en términos de relación señal a ruido óptica para 16-QAM y de 1.5 dB para 64-QAM. Además, la demodulación basada en estos algoritmos permitió una transmisión de hasta 50 km usando un láser con un ancho espectral de 100 kHz logrando un BER menor que usando un láser de 25 kHz sin implementar las técnicas de demodulación propuestas.   Conclusiones: Se demostró que las dos técnicas pueden ser aplicadas para minimizar efectos no lineales, y a su vez, permitiría una reducción de complejidad computacional en futuras redes de acceso ópticas.

  • English

    Introduction/Context: The use of coherent detection jointly with high-level modulation formats such as 16 and 64-QAM seems to be a convenient strategy to increment capacity of future optical access networks. However, coherent detection requires high complexity digital signal processing to mitigate different impairments.

    Objective: Mitigate signal distortions using nonsymmetrical demodulation techniques based on Machine Learning (ML) algorithms.

    Methodology: First, a single channel Nyquist m-QAM system at 28 and 32 Gbps was simulated in VPIDesignSuite software. Then, different signals modulated at 16 and 64-QAM were generated with different laser linewidth, transmission distances and launch powers. Two ML algorithms were implemented to carry out the demodulation of the generated signals. The performance of the algorithms was evaluated using the bit error rate (BER) in terms of different system parameters as laser linewidth, transmission distance, launch power and modulation format.

    Results: The use of ML allowed gains up to 2 dB in terms of optical signal-to-noise ratio at a BER value of  for 16-QAM and 1.5 dB for 64-QAM. Also, the use of ML showed that it is possible to use a lower cost laser (100 kHz linewidth vs 25 kHz) with a better BER performance than using conventional demodulation. Conclusions: We showed that the use of both algorithms could mitigate nonlinear effects and could reduce computational complexity for future optical access networks.