快速QoT估计方法使用级联的人工神经网络用于基于IMDD的全光网络中的实时路径配置

科学领域:

• 视觉通信工程 视觉通信工程
• 电信领域的人工智能
• 对于光学网络的信号处理.

背景情况:

• 传输质量 (QoT) 估计对于优化光网络性能至关重要.
• 传统的QoT估计方法可能是计算密集且缓慢的.
• 强度调制-直接检测 (IMDD) 系统被广泛用于短距离光通信.

研究的目的:

• 提出一个计算效率高的方法,用于IMDD系统中的QoT估计.
• 为了准确地预测比特误差率 (BER),考虑到决定性的波形扭曲.
• 为了实现实时性能监控和网络管理.

主要方法:

• 开发一个级联的人工神经网络 (ANN) 模型.
• 纳入确定性波形扭曲模型,包括染色分散和自相调制 (SPM).
• 验证ANN模型用于36公里的三跨度传输链路.

主要成果:

• 提出的基于ANN的方法实现了快速的QoT估计,在0.7秒内完成计算.
• 该方法准确地解释了信号损害,如色谱分散和SPM.
• 在预测模拟传输场景的比特错误率方面取得了高准确性.

结论:

• 级联ANN为IMDD系统中的实时QoT估计提供了可行和高效的解决方案.
• 拟议的方法提高了动态网络管理和资源分配的能力.
• 这种方法有助于开发更强大,更高性能的光通信网络.