monografia electronica | Monografías, Ensayos de Electrónica Básica

EEE-19 Tópicos en Comunicaciones I Aguirre

Zuñiga Gean Arturo

PLANTILLA 1 – Análisis de artículos científicos

(1.25 pts.)

Título del artículo: Joint Modulation Classification and OSNR Estimation Enabled by Support Vector Machine

Autor: Xiang Lin, Octavia A. Dobre, Telex M. N. Ngatched, Yahia A. Eldemerdash, and Cheng Li

Journal: IEEE Photonics Technology Letters

Fecha de publicación: 30 de Octubre 2018

Todas las secciones se deben extraer a partir del PAPER. La única posible excepción está en la sección 7, donde

puede que los autores no propongan mejoras, en cuyo caso el alumno debe proponer alguna mejora posible al

estudio que realiza el artículo.

Los puntos (1) y (2) usualmente se encuentran en la INTRODUCCIÓN de paper.

1) Problema que el autor del artículo científico desea resolver (2.5 pts)

2) Importancia del problema (2.5 pts)

Las siguientes secciones se encuentran en partes independientes del artículo.

3) Estado del arte del paper (2.5 pts)

4) Descripción del aporte del autor (2.5 pts)

5) Metodología / proceso que se presenta en el paper (5 pts)

6) Principales resultados (2.5 pts)

7) Propuestas para trabajos futuros (1.25 pts)

Debe referenciar las páginas o secciones/subsecciones del paper donde se encuentra la información que está

colocando en su análisis, para contrastar lo que el autor dice versus lo que ud. interpreta.

SOLUCION

1) Hacer frente a la creciente demanda de capacidad de red óptica, las arquitecturas de red han

evolucionado hacia estructuras dinámicas, flexibles y hacer frente a la demanda de tráfico

variable.

2) Con el objetivo de maximizar la eficiencia espectral. La clasificación de los formatos de

modulación en los receptores ópticos coherentes es, por tanto, vital en EON y ha sido estudiada

recientemente y el conocimiento de la OSNR ayuda a facilitar la utilización eficiente de los

recursos de red disponibles

3) Se han propuesto algoritmos para la estimación de OSNR, y las mediciones en el dominio digital

no requieren instrumentos específicos como los analizadores de espectro, Sin embargo, todos

los algoritmos anteriores sólo pueden abordar una tarea: la clasificación de modulación (MC) o la

estimación OSNR. Recientemente, se ha informado de una estimación conjunta del formato de

modulación y el OSNR mediante el empleo de algoritmos basados en el aprendizaje automático

(ML). Redes neuronales artificiales y análisis de componentes principales se utilizan en redes de

fibra óptica heterogéneas para la identificación del formato de modulación y OSNR de amplitud

de la señal recibida como característica, un vector de apoyo algoritmo basado en la máquina se

propone de forma conjunta se propone clasificar conjuntamente el formato de modulación y

estimar la relación señal-ruido óptica (OSNR) en sistemas de comunicación óptica coherentes.

proponemos un algoritmo para clasificar conjuntamente el formato de modulación y estimar el

OSNR, que está habilitado por SVM. En comparación con las redes neuronales, el SVM tiene la

Vista previa parcial del texto

¡Descarga monografia electronica y más Monografías, Ensayos en PDF de Electrónica Básica solo en Docsity!

Zuñiga Gean Arturo

PLANTILLA 1 – Análisis de artículos científicos (1.25 pts.) Título del artículo: Joint Modulation Classification and OSNR Estimation Enabled by Support Vector Machine Autor: Xiang Lin, Octavia A. Dobre, Telex M. N. Ngatched, Yahia A. Eldemerdash, and Cheng Li Journal: IEEE Photonics Technology Letters Fecha de publicación: 30 de Octubre 2018 Todas las secciones se deben extraer a partir del PAPER. La única posible excepción está en la sección 7, donde puede que los autores no propongan mejoras, en cuyo caso el alumno debe proponer alguna mejora posible al estudio que realiza el artículo. Los puntos (1) y (2) usualmente se encuentran en la INTRODUCCIÓN de paper.

Problema que el autor del artículo científico desea resolver (2.5 pts)
Importancia del problema (2.5 pts) Las siguientes secciones se encuentran en partes independientes del artículo.
Estado del arte del paper (2.5 pts)
Descripción del aporte del autor (2.5 pts)
Metodología / proceso que se presenta en el paper (5 pts)
Principales resultados (2.5 pts)
Propuestas para trabajos futuros (1.25 pts) Debe referenciar las páginas o secciones/subsecciones del paper donde se encuentra la información que está colocando en su análisis, para contrastar lo que el autor dice versus lo que ud. interpreta. SOLUCION 1) Hacer frente a la creciente demanda de capacidad de red óptica, las arquitecturas de red han

evolucionado hacia estructuras dinámicas, flexibles y hacer frente a la demanda de tráfico

variable.

Con el objetivo de maximizar la eficiencia espectral. La clasificación de los formatos de modulación en los receptores ópticos coherentes es, por tanto, vital en EON y ha sido estudiada recientemente y el conocimiento de la OSNR ayuda a facilitar la utilización eficiente de los recursos de red disponibles
Se han propuesto algoritmos para la estimación de OSNR, y las mediciones en el dominio digital no requieren instrumentos específicos como los analizadores de espectro, Sin embargo, todos los algoritmos anteriores sólo pueden abordar una tarea: la clasificación de modulación (MC) o la estimación OSNR. Recientemente, se ha informado de una estimación conjunta del formato de modulación y el OSNR mediante el empleo de algoritmos basados en el aprendizaje automático (ML). Redes neuronales artificiales y análisis de componentes principales se utilizan en redes de fibra óptica heterogéneas para la identificación del formato de modulación y OSNR de amplitud de la señal recibida como característica, un vector de apoyo algoritmo basado en la máquina se propone de forma conjunta se propone clasificar conjuntamente el formato de modulación y estimar la relación señal-ruido óptica (OSNR) en sistemas de comunicación óptica coherentes. proponemos un algoritmo para clasificar conjuntamente el formato de modulación y estimar el OSNR, que está habilitado por SVM. En comparación con las redes neuronales, el SVM tiene la

Zuñiga Gean Arturo

ventaja de una mayor capacidad para encontrar el mínimo global y de ser insensible al problema de la sobreadaptación, además, SVM se considera eficiente computacional en comparación con muchos otros algoritmos basados en el núcleo porque almacena solo vectores de soporte, que es un subconjunto de la matriz de entrenamiento y está demostrado que el SVM presenta una gran capacidad de clasificación y regresión en sistemas de comunicación de fibra óptica En este trabajo, utilizamos el CDF de la señal recibida después de la demultiplexación de polarización como la característica para SVM. En comparación con la constelación utilizada el CDF reduce la dimensionalidad del espacio de características. Para analizar la capacidad del algoritmo propuesto, se realizan tanto simulaciones numéricas como experimentos. La modulación de amplitud de cuadratura (QAM) se utiliza ampliamente en comunicaciones ópticas coherentes debido a su eficiencia espectral y los resultados muestran que el algoritmo logra un buen rendimiento para las tareas de estimación multiparamétrica algoritmo de estimación conjunta, el algoritmo propuesto logra un mejor rendimiento con una complejidad comparable. En primer lugar, se realiza una compensación de desbalance de remuestreo y cuadratura en fase (CI), después de lo cual se compensa la dispersión cromática. Luego, después de la recuperación de tiempo, se aplica el algoritmo de módulo constante (CMA) para abordar el de-multiplexado de polarización. Un CDF específico puede indicar el formato de modulación correspondiente y OSNR, especialmente en un rango de OSNR más alto. Para identificar el formato de modulación y estimar el OSNR, se propone un algoritmo basado en SVM, que emplea el clasificador de vectores de soporte (SVC) y el regresor de vectores de soporte (SVR) para abordar la tarea de estimación de MC y OSNR, respectivamente. A diferencia del algoritmo basado en DNN en [8], la estimación MC y OSNR se realizan simultáneamente En general, tanto el clasificador como el regresor establecen un modelo de mapeo entre los datos de entrenamiento y la etiqueta, de acuerdo con las características extraídas. Una vez construida la asignación, los datos de prueba se determinan y etiquetan. Para la formación de los SVC y SVR, en primer lugar, generamos un grupo de CDF de formación, que corresponden a todos los posibles candidatos al formato.

En comparación con las redes neuronales, el SVM tiene la ventaja de una mayor capacidad para

encontrar el mínimo global y de ser insensible al problema de la sobreadaptación, además, SVM

se considera eficiente computacional en comparación con muchos otros algoritmos basados en el núcleo porque almacena solo vectores de soporte, que es un subconjunto de la matriz de

entrenamiento y está demostrado que el SVM presenta una gran capacidad de clasificación y

regresión en sistemas de comunicación de fibra óptica.

El autor propone un algoritmo para clasificar conjuntamente el formato de modulación y estimar el OSNR, que está habilitado por SVM. En comparación con las redes neuronales, el SVM tiene la ventaja de una mayor capacidad para encontrar el mínimo global y de ser insensible al problema de la sobreadaptación, además, SVM se considera eficiente computacional en comparación con muchos otros algoritmos basados en el núcleo porque almacena solo vectores de soporte, que es un subconjunto de la matriz de entrenamiento y está demostrado que el SVM presenta una gran capacidad de clasificación y regresión en sistemas de comunicación de fibra óptica. En este trabajo se utilizó el CDF de la señal recibida después de la demultiplexación de polarización como la característica para SVM. En comparación con la constelación utilizada el CDF reduce la dimensionalidad del espacio de características. Para analizar la capacidad del algoritmo propuesto, se realizan tanto simulaciones numéricas como experimentos. La modulación de amplitud de cuadratura (QAM) se utiliza ampliamente en comunicaciones ópticas coherentes debido a su eficiencia espectral Los resultados muestran que el algoritmo logra un buen rendimiento para las tareas de estimación multiparamétrica algoritmo de estimación conjunta, el algoritmo propuesto logra un mejor rendimiento con una complejidad comparable. ALGORITMO PROPUESTO El flujo de procesamiento de señal digital (DSP) en el receptor coherente, incluyendo el algoritmo propuesto; en primer lugar, se realiza una compensación de

Zuñiga Gean Arturo

La Fig. 3 muestra errores de estimación de OSNR frente al OSNR real para los tres formatos de modulación. Se observa que, comparado con el algoritmo propuesto, la estimación por el algoritmo basado en DNN exhibe más errores. Por otro lado, el algoritmo DNNbased los logra secuencialmente, comenzando con MC. Cuando 64-QAM se clasifica mal como 16-QAM, los resultados de la simulación muestran un error de estimación OSNR máximo de aproximadamente 7 dB, ya que es difícil para el DNN predecir una categoría de datos cuando es entrenada por otra categoría de datos. Resultados experimentales para la estimación de OSNR. funciona a 50 GS por segundo. Los datos registrados son procesados fuera de línea por Matlab sobre la base de los procedimientos DSP en la Fig. 1(a). 10000 muestras se utilizan para formar el CDF con 100 contenedores. De forma similar se recopila un conjunto de datos total que incluye 144 CDF para 4-QAM, 16-QAM y 64-QAM modulaciones para todas las RSC. 36 CDF (25%) se selecciona al azar y se utiliza para entrenar al clasificador y regresor basado en SVM. También se aplica la validación cruzada de 5 veces. Los 108 CDF restantes (75%) se utilizan para llevar a cabo la evaluación. Las DNN también se optimizan mediante la búsqueda en cuadrícula. Tenga en cuenta que la estimación de OSNR con DNN se basa en el supuesto de que se conoce perfectamente el formato de modulación, lo que no siempre ocurre en la práctica.

Se representa una opción aconsejable para la estimación conjunta de MC y OSNR en futuros sistemas de comunicación óptica. Vale la pena mencionar que se esperan algunos errores debido a la no linealidad de la fibra. Se necesitan más investigaciones para determinar la exactitud del método propuesto en presencia de no linealidad de fibra. Además, en trabajos futuros, se estudiará su idoneidad para el sistema probabilístico de formación de constelaciones.

monografia electronica, Monografías, Ensayos de Electrónica Básica

Documentos relacionados

Vista previa parcial del texto

¡Descarga monografia electronica y más Monografías, Ensayos en PDF de Electrónica Básica solo en Docsity!

Zuñiga Gean Arturo

evolucionado hacia estructuras dinámicas, flexibles y hacer frente a la demanda de tráfico

variable.

Zuñiga Gean Arturo

encontrar el mínimo global y de ser insensible al problema de la sobreadaptación, además, SVM

entrenamiento y está demostrado que el SVM presenta una gran capacidad de clasificación y

Zuñiga Gean Arturo