Mitigation of Distortions in Radio-Over-Fiber Systems Using Machine Learning

• Torres Vahos, Diego Fernando ^[1] ; Escobar Pérez, Alejandro ^[1] ; Diaz Rodríguez, Cristian Alexis ^[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)), 244 págs.
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Introducción: El constante crecimiento de usuarios conectados a internet por medio de dispositivos móviles ha conllevado a incrementar la investigación en el paradigma de las redes híbridas conocido como Radio-sobre-Fibra. Estas redes aprovechan las ventajas del ancho de banda de la fibra óptica y la movilidad de las transmisiones inalámbricas, evitando el cuello de botella que se da por la conversión óptico a eléctrico. No obstante, la dispersión cromática propia de la fibra óptica genera distorsiones en la señal de radiofrecuencia modulada ópticamente, lo cual limita su alcance.

     Objetivo: Mejorar el desempeño de un sistema de radio sobre fibra en términos de la tasa de error de bit, usando demodulación no simétrica por medio del algoritmo de aprendizaje automático Máquina de Soporte Vectorial.

     Metodología: Se simula un sistema de Radio-sobre-Fibra en el software especializado VPIDesignSuite. Se transmiten señales de radiofrecuencia moduladas en formatos 16 y 64-QAM con diferentes anchos de línea de láser sobre fibra óptica. Se aplica el algoritmo Máquina de Soporte Vectorial para la demodulación de la señal.

     Resultados: La implementación del algoritmo de aprendizaje automático para la demodulación de la señal mejora significativamente el desempeño de la red permitiendo alcanzar los 30 km de transmisión por fibra óptica. Esto implica una reducción de la tasa de error de bit hasta en dos órdenes de magnitud en comparación con la demodulación tradicional.

     Conclusiones: Se demuestra que con el uso de umbrales asimétricos usando algoritmo de Máquina de Soporte Vectorial se logran mitigar distorsiones en términos de la tasa de error de bit. Así, esta técnica se hace atractiva para futuras redes de acceso de alta capacidad.

     

  • English

    Introduction: The ever-growing number of users connected to internet via mobile devices has driven to increase the research in the paradigm of hybrid optical networks called Radio-over-Fiber. These networks take advantages of the bandwidth given by the optical fiber and the mobility given by wireless transmissions, avoiding the bottleneck of optical-to-electrical conversion interfaces. However, the chromatic dispersion of the optical fiber generates distortions in the radiofrequency signals optically modulated, limiting the reach of transmission.

     Objective: To improve the performance of a Radio-over-Fiber system in terms of bit-error-rate, using nonsymmetrical demodulation by means of the machine learning algorithm Support Vector Machine.

     Methodology: A Radio-over-Fiber System is simulated in the specialized software VPIDesignSuite. The radiofrequency signals are modulated at 16 and 64-QAM formats with different laser linewidths and transmitted over optical fiber. The Support Vector Machine algorithm is applied to carry out nonsymmetrical demodulation.

     Results: The implementation of the machine learning algorithm for signal demodulation significantly improves the network performance, reaching transmissions up to 30 km. It implies a reduction of the bit-error-rate up to two Introduction: The ever-growing number of users connected to internet via mobile devices has driven to increase the research in the paradigm of hybrid optical networks called Radio-over-Fiber. These networks take advantages of the bandwidth given by the optical fiber and the mobility given by wireless transmissions, avoiding the bottleneck of optical-to-electrical conversion interfaces. However, the chromatic dispersion of the optical fiber generates distortions in the radiofrequency signals optically modulated, limiting the reach of transmission.

     Objective: To improve the performance of a Radio-over-Fiber system in terms of bit-error-rate, using nonsymmetrical demodulation by means of the machine learning algorithm Support Vector Machine.

      Methodology: A Radio-over-Fiber System is simulated in the specialized software VPIDesignSuite. The radiofrequency signals are modulated at 16 and 64-QAM formats with different laser linewidths and transmitted over optical fiber. The Support Vector Machine algorithm is applied to carry out nonsymmetrical demodulation.

     Results: The implementation of the machine learning algorithm for signal demodulation significantly improves the network performance, reaching transmissions up to 30 km. It implies a reduction of the bit-error-rate up to two orders of magnitude in comparison with conventional demodulation.

     Conclusions: Mitigation of distortions in terms of bit-error-rate is demonstrated in a Radio-over-Fiber system using nonsymmetrical demodulation by using the Support Vector Machine algorithm. Thus, the proposed technique can be suitable for future high-capacity access networks.