Ciência-IUL
Publicações
Descrição Detalhada da Publicação
Short-reach MCF-based systems employing KK Receivers and feedforward neural networks for ICXT mitigation
Título Revista
Photonics
Ano (publicação definitiva)
2022
Língua
Inglês
País
Suíça
Mais Informação
Web of Science®
Scopus
Google Scholar
Abstract/Resumo
This paper proposes and evaluates the use of machine learning (ML) techniques for mitigating the effect of the random inter-core crosstalk (ICXT) on 256 Gb/s short-reach systems employing weakly coupled multicore fiber (MCF) and Kramers–Kronig (KK) receivers. The performance improvement provided by the k-means clustering, k nearest neighbor (KNN) and feedforward neural network (FNN) techniques are assessed and compared with the system performance obtained without employing ML. The FNN proves to significantly improve the system performance by mitigating the impact of the ICXT on the received signal. This is achieved by employing only 10 neurons in the hidden layer and four input features for the training phase. It has been shown that k-means or KNN techniques do not provide performance improvement compared to the system without using ML. These conclusions are valid for direct detection MCF-based short-reach systems with the product between the skew (relative time delay between cores) and the symbol rate much lower than one (skew×symbol rate≪1). By employing the proposed FNN, the bit error rate (BER) always stood below 10−1.8 on all the time fractions under analysis (compared with 100 out of 626 occurrences above the BER threshold when ML was not used). For the BER threshold of 10−1.8 and compared with the standard system operating without employing ML techniques, the system operating with the proposed FNN shows a received optical power improvement of almost 3 dB.
Agradecimentos/Acknowledgements
--
Palavras-chave
Short-reach systems,Multicore fiber,Machine learning,Kramers–Kronig receiver
Classificação Fields of Science and Technology
- Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia
Registos de financiamentos
Referência de financiamento | Entidade Financiadora |
---|---|
UIDP/50008/2020 | Fundação para a Ciência e a Tecnologia |
UIDP/04466/2020 | Fundação para a Ciência e a Tecnologia |
UIDB/04466/2020 | Fundação para a Ciência e a Tecnologia |
UIDB/EEA/50008/2020 | Fundação para a Ciência e a Tecnologia |
Projetos Relacionados
Esta publicação é um output do(s) seguinte(s) projeto(s):
Contribuições para os Objetivos do Desenvolvimento Sustentável das Nações Unidas
Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.