La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Real-Time Detection of Fiber Bending and/or Optical Filter Shift by Machine-Learning of Tapped Raw Digital Coherent Optical Signals Détection en temps réel de la courbure des fibres et/ou du déplacement du filtre optique par apprentissage automatique de signaux optiques cohérents numériques bruts exploités

Yuichiro NISHIKAWA, Shota NISHIJIMA, Akira HIRANO

  • Vues en texte intégral

    3

  • Citer

Résumé:

Nous avons proposé une plate-forme de diagnostic de réseau autonome pour l'exploitation des futurs réseaux virtualisés et de grande capacité, y compris les services 5G et au-delà de la 5G. En ce qui concerne le seul candidat aux blocs fonctionnels de collecte et d’analyse d’informations dans la plate-forme, nous avons proposé de nouvelles techniques de détection optique utilisant des données de signaux bruts exploitées acquises à partir de récepteurs optiques cohérents numériques. Les données brutes du signal sont capturées avant divers traitements du signal numérique pour la démodulation. Par conséquent, il contient diverses déformations de forme d’onde et/ou bruit lorsqu’il est ressenti à travers les fibres de transmission. Dans cet article, nous avons cherché à détecter deux défaillances possibles dans les lignes de transmission, notamment la courbure des fibres et le décalage du filtre optique, en analysant les données brutes du signal mentionnées ci-dessus à l'aide de l'apprentissage automatique. À cette fin, nous avons implémenté des applications de conteneur Docker dans WhiteBox Cassini pour acquérir des données de signal brutes en temps réel. Nous avons généré un modèle CNN pour les détections en traitement hors ligne et les avons utilisés pour les détections en temps réel. Nous avons confirmé la détection réussie de la courbure de la fibre optique et/ou du déplacement du filtre optique en temps réel avec une grande précision. Nous avons également évalué leur tolérance au bruit ASE et inventé une nouvelle approche pour améliorer la précision de la détection. En plus de cela, nous avons réussi à les détecter même dans la situation d’apparition simultanée de ces pannes.

Publication
IEICE TRANSACTIONS on Communications Vol.E106-B No.11 pp.1065-1073
Date de publication
2023/11/01
Publicisé
2023/05/19
ISSN en ligne
1745-1345
DOI
10.1587/transcom.2022OBP0002
Type de manuscrit
Special Section PAPER (Joint Special Section on Opto-electronics and Communications for Future Optical Network)
Catégories

Auteurs

Yuichiro NISHIKAWA
  Tokyo Denki University
Shota NISHIJIMA
  Tokyo Denki University
Akira HIRANO
  Tokyo Denki University

Mots-clés

Table des matières