電子產(chǎn)業(yè)一站式賦能平臺

PCB聯(lián)盟網(wǎng)

搜索
查看: 76|回復(fù): 0
收起左側(cè)

機器學(xué)習(xí)輔助的下一代光網(wǎng)絡(luò)功率和GSNR估算

[復(fù)制鏈接]

686

主題

686

帖子

5863

積分

四級會員

Rank: 4

積分
5863
跳轉(zhuǎn)到指定樓層
樓主
發(fā)表于 2024-11-27 08:00:00 | 只看該作者 |只看大圖 回帖獎勵 |正序瀏覽 |閱讀模式
引言
4 ^% Q+ i& a, e" w' B& P6 t0 z多頻帶彈性光網(wǎng)絡(luò)(MB-EONs)代表著光通信的新發(fā)展方向,提供了高帶寬和靈活性。這些系統(tǒng)在快速估算傳輸質(zhì)量(QoT)方面面臨挑戰(zhàn),特別是在處理信道間受激拉曼散射等復(fù)雜現(xiàn)象時。本文探討了機器學(xué)習(xí)如何改進功率和GSNR估算[1]。. D9 O4 A- E0 ^. ^7 k

4 t5 B( x4 k0 x! y/ x% [4 |) [' A9 B. i9 c- i3 n
系統(tǒng)參數(shù)和數(shù)據(jù)集生成
3 p) J" C/ Z; A' N2 sMB-EONs中廣義信噪比(GSNR)分布的估算受多個因素影響,包括鏈路負(fù)載狀態(tài)、調(diào)制格式、發(fā)射功率和信道帶寬。傳統(tǒng)分析方法雖然準(zhǔn)確,但計算量大,不適合實時網(wǎng)絡(luò)管理。機器學(xué)習(xí)方法在這方面提供了高效解決方案。
. N% I5 l, `4 t4 e/ {9 Q7 r* q# V9 _3 U& u. m. ]( T4 ]+ i6 Z; ~8 e
該機器學(xué)習(xí)方法從全面的數(shù)據(jù)集生成開始。訓(xùn)練數(shù)據(jù)包含多種網(wǎng)絡(luò)配置,考慮四個關(guān)鍵參數(shù):
  • 跨段長度:40-100公里(10公里間隔)
  • 發(fā)射功率:-5至5 dBm(0.1 dBm間隔)
  • 負(fù)載因子:50-100%(10%間隔)
  • 調(diào)制格式基數(shù):1-6
    & _1 v/ w& s' i* Y1 F[/ol]8 S9 m0 R/ g7 S- X" G% V
    特征選擇和模型架構(gòu)* G6 M8 q! W; B. ^9 G; |1 Z
    對于功率估算,考慮以下關(guān)鍵特征:
    . Q% d+ @0 c3 V/ u
    4 ~- E' _# g0 \% g/ A) A
    * S, P( R" A4 a1 n1 @% n% g1 q機器學(xué)習(xí)輔助功率估算的特征包括跨段長度、信道發(fā)射功率、總發(fā)射功率、信道位置和各種信道活動百分比。
    3 Z! J2 u+ ]7 I- L, M3 d$ d
    ' D8 |4 R' d2 e# C對于GSNR估算,還需考慮額外特征:
    # A% `9 y! W; o6 @+ [8 x: |
    1 R! s8 }) g4 t# q0 zGSNR估算特征包括所有功率估算特征,以及調(diào)制格式信息和跨段末端信道功率。/ G0 w* D# N; R- @' n7 T

    + `0 \8 Y" ~5 V( ]6 ~+ G9 y研究實現(xiàn)了三種機器學(xué)習(xí)模型:
  • 梯度提升(GB)
  • 神經(jīng)網(wǎng)絡(luò)1(NN1) - 單隱藏層
  • 神經(jīng)網(wǎng)絡(luò)2(NN2) - 雙隱藏層- B0 }: R8 W& g! R/ ^1 l$ p
    [/ol]4 W1 R2 G. F$ v* r7 o8 i
    結(jié)果和性能分析. `1 `$ p1 z  t# @9 @* V
    + C6 N. i7 J! d7 x5 f/ c, V
    圖1:機器學(xué)習(xí)模型性能對比,顯示(a)功率絕對誤差直方圖,(b)功率絕對誤差累積分布函數(shù),(c)GSNR絕對誤差直方圖,(d)不同機器學(xué)習(xí)模型的GSNR絕對誤差累積分布函數(shù)。
    * L3 v/ J& n3 C& _- L- A5 e
    8 S) z" K. a1 Q結(jié)果顯示所有模型都具有顯著的精確度,其中GB模型達到最高精度。在功率估算方面,99%的樣本誤差低于0.04 dB,而GSNR估算誤差在99%的情況下保持在0.1 dB以下。與傳統(tǒng)分析方法相比,這種精度是在大幅減少計算時間的情況下實現(xiàn)的。
    ( W+ u( K& a& G* ]& ~9 w
    4 z1 u# X% J" q2 Y, O1 ~功率優(yōu)化實現(xiàn)3 h& F8 p8 w+ C  {3 z& D3 R
    在功率優(yōu)化場景中,機器學(xué)習(xí)模型顯示出優(yōu)異結(jié)果:) c! H' a1 z/ k6 W9 h

    ( C: F$ B4 ?1 \: s% g# H/ b8 A9 V9 Y/ O# ~$ d, \
    優(yōu)化結(jié)果表明,機器學(xué)習(xí)方法達到與分析方法幾乎相同的最優(yōu)功率水平,同時計算時間減少25-50倍。例如,對于100公里跨段,分析方法需要150.94秒,而最快的機器學(xué)習(xí)模型(NN1)僅需2.92秒。8 {' x% i! u0 K- n6 w! M& U( f/ R0 K) o

    : E' k$ m" m, C* k+ R技術(shù)規(guī)格和模型參數(shù)
    7 g% Y7 a! M( a5 v9 M6 d5 @* @' r$ r系統(tǒng)實現(xiàn)使用以下具體參數(shù):, {6 G( T( \! i1 U, _; t6 J& o* T
  • 符號率:64 GBaud
  • 滾降因子:0.05
  • 帶寬:C+L波段共12 THz
  • 信道間隔:75 GHz
  • C波段和L波段之間的保護帶寬:400 GHz
    # j: p' [( y! R% |: j$ G
    + v: M- [2 J  {
    數(shù)據(jù)集生成過程創(chuàng)建了2,500個不同場景,產(chǎn)生400,000個樣本(2,500×160信道)。去除空閑信道后,剩余300,700個活動樣本。數(shù)據(jù)分配為80%用于訓(xùn)練,20%用于測試,訓(xùn)練集的20%用于使用5折交叉驗證的驗證。
    ( e0 @& `# p# c: g
    3 V/ I' z) e7 r" R結(jié)論1 l2 `. [& K4 O
    機器學(xué)習(xí)模型的超參數(shù)經(jīng)過精心調(diào)整:0 M, e! a# y8 D, y, H9 ~6 G
  • GB模型:0.1子采樣,0.01學(xué)習(xí)率,10最大深度,15,000估計器
  • GSNR的NN1:一個500神經(jīng)元層,使用ReLU激活函數(shù)
  • GSNR的NN2:兩個500神經(jīng)元層,使用ReLU激活函數(shù)
  • 功率的NN1:一個1000神經(jīng)元層,使用Tanh激活函數(shù)
  • 功率的NN2:兩個500神經(jīng)元層,使用ReLU激活函數(shù)
    9 O* n! q5 N% W$ v
    * O) u( o% V/ V/ t& e* l
    機器學(xué)習(xí)輔助方法在光網(wǎng)絡(luò)管理中取得重要進展,提供實時性能且保持高精度。這些模型可以輕松集成到現(xiàn)有網(wǎng)絡(luò)管理系統(tǒng)中,為動態(tài)網(wǎng)絡(luò)優(yōu)化和管理提供快速的QoT估算。
    , z' L, A; Y: d6 U5 ~9 M3 Q. E) m, {  Z# I( }- g( u% r
    參考文獻  T6 e8 w( x9 s2 v* Z+ f/ c
    [1] K. Ghodsifar, F. Arpanaei, H. Beyranvand, M. Ranjbar Zefreh, C. Natalino, P. Monti, S. Yan, ó. González de Dios, J. M. Rivas-Moscoso, J. P. Fernández-Palacios, A. Sánchez-Macián, D. Larrabeiti, and J. A. Hernández, "ML-Assisted Optimal Power and GSNR Estimation in Multi-band Elastic Optical Networks," in 2024 24th International Conference on Transparent Optical Networks (ICTON), 2024, pp. 1-4, doi: 10.1109/ICTON62926.2024.10647400.$ U4 |( q; D$ x2 m# l
    # p0 N- |" d# a8 E' y$ Q: s
    END
    3 \# F6 {2 d' C6 D
    7 H$ [9 h2 _9 Q
    ) \( m" l; Z1 z/ D. E
    軟件申請我們歡迎化合物/硅基光電子芯片的研究人員和工程師申請體驗免費版PIC Studio軟件。無論是研究還是商業(yè)應(yīng)用,PIC Studio都可提升您的工作效能。
    8 k3 Y! I! U- V% E' m& P點擊左下角"閱讀原文"馬上申請: {6 c% ~5 a5 J, T. N2 q

    + D7 c+ L; m4 e% a; R! q歡迎轉(zhuǎn)載
    2 S. i3 D& S# }2 Z, Q6 O
    + H( L3 O6 b# \" H+ p2 C% D轉(zhuǎn)載請注明出處,請勿修改內(nèi)容和刪除作者信息!; W: f: i" @8 [& j

    , M. T" T9 c, p. v! H0 n
    % Z2 Y: k( X" Z/ @# _. q9 C
    & M" K  R- I  x) e
    : u, O+ R$ K7 T! T

    % @5 a4 ?/ n6 u) T+ i關(guān)注我們. f# M" N* T' C7 x; I1 J$ ?/ U
    , J, W: H8 M  t" R. @
    3 `, \& |" D6 g$ k
    ! D0 |$ S9 g: M9 `2 W6 b; \4 S1 t
    : j% P8 y+ J% U8 p, ]
    ' z7 |" ?/ k  A/ I
    8 M: t4 w6 j1 B3 ~/ j4 X

    ; i- q: C. }2 ]* M: V( r) y
                         
    " E% ?* J. E. J* l+ D% ]) X: m% n2 z' v; \5 `1 f4 P
    * _9 G. q8 y5 b' a1 J5 S. f# d

    0 @% [+ F6 u5 ?: ?! s* a1 S, p; J, ~關(guān)于我們:
    : ^, W1 l9 Q5 R深圳逍遙科技有限公司(Latitude Design Automation Inc.)是一家專注于半導(dǎo)體芯片設(shè)計自動化(EDA)的高科技軟件公司。我們自主開發(fā)特色工藝芯片設(shè)計和仿真軟件,提供成熟的設(shè)計解決方案如PIC Studio、MEMS Studio和Meta Studio,分別針對光電芯片、微機電系統(tǒng)、超透鏡的設(shè)計與仿真。我們提供特色工藝的半導(dǎo)體芯片集成電路版圖、IP和PDK工程服務(wù),廣泛服務(wù)于光通訊、光計算、光量子通信和微納光子器件領(lǐng)域的頭部客戶。逍遙科技與國內(nèi)外晶圓代工廠及硅光/MEMS中試線合作,推動特色工藝半導(dǎo)體產(chǎn)業(yè)鏈發(fā)展,致力于為客戶提供前沿技術(shù)與服務(wù)。) V% f# h8 n2 V7 @) I

    ( r! W$ O; K  X9 T) z% [3 qhttp://www.latitudeda.com/
    ' d& x1 g0 D+ X& a1 P1 H7 u7 m(點擊上方名片關(guān)注我們,發(fā)現(xiàn)更多精彩內(nèi)容)
  • 回復(fù)

    使用道具 舉報

    發(fā)表回復(fù)

    您需要登錄后才可以回帖 登錄 | 立即注冊

    本版積分規(guī)則


    聯(lián)系客服 關(guān)注微信 下載APP 返回頂部 返回列表