電子產(chǎn)業(yè)一站式賦能平臺

PCB聯(lián)盟網(wǎng)

搜索
查看: 69|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 |倒序瀏覽 |閱讀模式
引言
* l7 v4 Q: v2 g: X7 B$ w' U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]。3 D; ^4 ]: }9 Y, f3 C

+ v& i" w7 U& t+ d# u- E2 L: X' `7 K7 K9 M' H
系統(tǒng)參數(shù)和數(shù)據(jù)集生成
! n7 b" F0 I$ _+ WMB-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。
; A" C( y: S) N& ]; B- U) ]
. s; r/ K9 w4 e$ q1 i7 _! y9 _1 X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)
  • 負載因子:50-100%(10%間隔)
  • 調(diào)制格式基數(shù):1-6. g  v$ I( `" l$ a& E% p
    [/ol]* ]" v  C* ~* P- v$ W& ^9 ]* o
    特征選擇和模型架構(gòu)
    0 y7 C2 ?& I7 }對于功率估算,考慮以下關(guān)鍵特征:
    4 l1 L; t( N  Z' E! Q, e! X2 @ 8 @0 x) Y" F$ T5 t2 @* U3 ~5 F! p5 ^* O

    : T9 r" ?3 i4 X2 [% M+ c- o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。' q) o) g. h" Z# q9 d2 M# w8 N

    , w, Y4 n8 [. Q# l4 F對于GSNR估算,還需考慮額外特征:  W/ H" {7 V9 O$ T1 g, M% X6 K
    6 q3 c- n, S. O, s; e
    GSNR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。
    " z; X# s5 l: O/ ~$ A# ], w: b# e& o1 j1 X1 ]
    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
    4 `: Q; r9 k& J) X, k, ~1 W[/ol]
    , Q, ?. ~1 b! Q+ W* N+ Z  w" H) _" w結(jié)果和性能分析
    0 f' I. r/ m8 \+ Y, `" d 1 i6 Z, T/ A6 }. I
    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)。* m* e; u9 }+ z8 z
    : l4 d$ \0 T; P4 a' k# L# K* Y7 v5 x
    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。
    3 K9 [: }! `+ d& x! p% F0 X' l1 U. @' ]9 t* w! z6 V! w$ e
    功率優(yōu)化實現(xiàn)! Q, A5 K( t: z: g7 B: `& \. C9 }5 X
    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:
    # L5 H: ^3 [3 z, O% a" m 8 \/ b# E! ]( s+ `
    4 H# D$ Z5 C. Y( ~/ R% \
    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。; y; l2 }: U' b# ^

    & I6 Y9 {6 H( A. ?0 o技術(shù)規(guī)格和模型參數(shù)
    3 J3 W! R  Y- X$ l2 i  Z# m系統(tǒng)實現(xiàn)使用以下具體參數(shù):
    / k7 ?2 T* O/ R! D
  • 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
    4 k0 \8 r4 v' O, q

    0 B9 a4 z1 R1 n8 u9 e, f5 K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。4 r, k9 q  L+ o! I) B# E  R
    8 E. I% t$ T4 M6 s5 e* t& z8 l' R
    結(jié)論2 T4 F3 d1 S: b% S. [
    機器學(xué)習(xí)模型的超參數(shù)經(jīng)過精心調(diào)整:8 I. i- s1 E5 ]' p0 i0 h
  • 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)
    6 d7 P# _2 M8 c
    7 |& K0 t" W' k
    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。
    " S. I5 y: I  q! X- M- t' O  \4 M; N% A8 P6 n
    參考文獻
    $ P8 k6 w. e$ h7 k1 @[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.  J, G9 \1 b( R5 ?( f
    . e& S( N' O8 C7 s
    END
    ) @3 }0 |3 A; C  O1 [) W' k
    " O: \: n) o2 h0 p' {+ Q$ X4 n

    $ F# O8 x3 q& ]" o7 Q- Q* W( |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。
    2 A) ~: x# f5 J( b+ [8 t點擊左下角"閱讀原文"馬上申請
    * _1 A$ A* s* c) M2 d/ \5 ~1 W. l0 u* Y/ G/ D
    歡迎轉(zhuǎn)載- H$ n, ?1 f  f

    - M( A4 H0 _% r6 g' u; `轉(zhuǎn)載請注明出處,請勿修改內(nèi)容和刪除作者信息!. f, n2 U9 u8 A9 S- e

    5 }* m: R: C' ~# t( O
    0 @4 m& f/ Q1 a( q- H! Y# X

    2 c7 f, P; s. |: q$ C% b% T * w& V1 D+ I4 z  b9 c

    " ^; {* E( S3 z7 S關(guān)注我們
    ) f6 O- K$ r9 s  I
    " q3 R# r. _. y* E. B
    / L' p" L) f+ e: ~4 H& D2 M) R, R
    & z/ b$ ?2 U6 L- u0 w

    ' {* W8 y( T" [6 h; y
    : h9 E; r% n' y

    * v2 l1 T2 R( ~: \$ Q4 n/ [9 Z7 `
    ; M7 T! Z$ O+ v; E  O
                         
    * p* s- a+ @% V5 i: r  `0 \0 F  b% X; H7 ?

    & s: x1 M0 O; C; [# T% {/ l! H6 ^# ?  g, J( L3 n
    關(guān)于我們:
    & s: r) ?7 m) s, u8 X8 n7 k' Y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)。4 \# ?3 ]2 @% q. ]* H# Q) }: L

    6 f4 W' n! t$ bhttp://www.latitudeda.com/2 }, y& x6 P% Z! 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