The use of convolutional neural networks for simultaneous monitoring of chromatic dispersion and Optical to Signal Noise Ratio in the physical layer of the optical network

• Autorzy: Mrozek Tomasz , Perlicki Krzysztof

Identyfikatory

DOI

10.15199/59.2019.3.3

Warianty tytułu

PL

Zastosowanie konwolucyjnych sieci neuronowych do jednoczesnego monitorowania dyspersji chromatycznej i OSNR w warstwie fizycznej sieci optycznej

• Języki publikacji: EN

Abstrakty

EN

The article presents a method for image analysis using Asynchronous Delay Tap Sampling (ADTS) technique and Convolutional Neural Networks (CNN), allowing simultaneous monitoring of many phenomena occurring in the physical layer of the optical network. The ADTS method makes it possible to visualize the course of the optical signal in the form of characteristics (so-called phase portraits), which change their shape under the influence of phenomena (including chromatic dispersion, amplified spontaneous emission noise and others). Using the VP Iphotonics software, a simulation model of the ADTS technique was built. After the simulation tests, 10000 images were obtained, which after proper preparation were subjected to further analysis using convolutional neural networks algorithms. The main goal of the study was to train a convolutional neural network to recognize the selected impairment (distortion); then to test its accuracy and estimate the impairment for the selected set of test images. The input data consisted of processed binary images in the form of two-dimensional matrices, with the position of the pixel. This article focuses on the analysis of images containing simultaneously the phenomena of chromatic dispersion and optical to noise signal ratio.

PL

Przedstawiono metodę analizy obrazu za pomocą technik: Asynchronous Delay Tap Sampling (ADTS) i Convolutional Neural Networks (CNN), umożliwiającą równoczesne monitorowanie wielu zjawisk zachodzących w warstwie fizycznej sieci optycznej. Metoda ADTS umożliwia wizualizację przebiegu sygnału optycznego w postaci charakterystyk (tzw. portrety fazowe), które zmieniają swój kształt pod wpływem zjawisk (w tym dyspersji chromatycznej, OSNR i innych). Za pomocą oprogramowania VP Iphotonics zbudowano model symulacyjny techniki ADTS. Po testach symulacyjnych uzyskano 10 000 obrazów, które po odpowiednim przygotowaniu poddano dalszej analizie za pomocą algorytmówk konwolucyjnych sieci neuronowych. Głównym celem badań było nauczenie konwolucyjnej sieci neuronowej rozpoznawania równocześnie występujących zaburzeń. Dane wejściowe składały się z przetworzonych obrazów binarnych w postaci macierzy dwuwymiarowych. Artykuł skupia się na analizie obrazów zawierających jednocześnie zjawisko dyspersji chromatycznej i OSNR.

Słowa kluczowe

EN

deep learning; convolutional neural networks; chromatic dispersion; OSNR; asynchronous delay-tap sampling

PL

uczenie głębokie; konwolucyjne sieci neuronowe; dyspersja chromatyczna; OSNR; próbkowanie asynchroniczne; sygnał z opóźnieniem

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2019
• Tom: nr 3
• Strony: 67--72
• Opis fizyczny: Bibliogr. 22 poz., rys., tab.

Twórcy

autor

Mrozek Tomasz

• Institute of Telecommunications, Warsaw University of Technology

autor

Perlicki Krzysztof

• Institute of Telecommunications, Warsaw University of Technology

Bibliografia

• [1] Dahan D., U. Mahlab, A. Teixeira, I. Zacharopoulos, I. Tomkos: "Optical performance monitoring for translucent/transparent optical networks", IET Optoelectronics, Vol. 5, Iss. 1, pp. 1-18. 2011.
• [2] Perlicki K.: "Investigation of the state of polarization distribution generated by polarization scramblers on the Poincare sphere", Optics Communications, vol. 252, nr 1-3, str. 58-63. 2005.
• [3] Dods S.D., T.B. Anderson: Optical Performance Monitoring Technique Using Delay Tap Asynchronous Waveform Sampling, Optical Fiber Communication Conference. 2006.
• [4] Anderson T.B., A. Kowalczyk, K. Clarke, S.D. Dods, D. Hewit, J.C. Li: "Multi Impairment Monitoring for Optical Networks", Journal of Lightwave Technology 27(16). 2009.
• [5] Chan C.K.: "Optical Performance Monitoring, Advance Techniques for Next-Generation Photonic Networks, Chapter 7: Optical performance monitoring based on asynchronous delay-tap sampling", Elsevier, 175-192. 2010.
• [6] Anderson T., S.D. Dods, K. Clarke, J. Bedo, A. Kowalczyk: "Multi- -impairment monitoring in photonic networks". In: Proc. ECOC, paper 3.5.1. Berlin, Germany. 2007.
• [7] Clarke K.,T. Anderson, D. Beaman, H. Ferra, M. Birk, Z. Guodong, et al.: Experimental demonstration of multi-impairment monitoring on a commercial 10 Gb/s NRZ channel. In: Proc. OFC/NFOEC, paper OThH7. San Diego, California. 2009.
• [8] Beaman D., T. Anderson, J.C. Li, O. Jerphagnon, E. Le Rouzic, F. Neddam, et al.: Demonstration of simultaneous OSNR and CD monitoring using asynchronous delay tap sampling on an 800 km WDM test bed. In: Proc., paper 9.3.4 ECOC. Vienna, Austria. 2009.
• [9] Clarke K., T. Anderson, S.D. Dods: Monitoring of multiple modulation formats using asynchronous delay-tap sampling. In: Proc. ACOFT, paper MoA1-2. Melbourne, Australia. 2007.
• [10] Kozicki B., O. Takuya, T. Hidehiko: Optical performance monitoring of phase-modulated signals using asynchronous amplitude histogram analysis. J Lightwave Technol; 26:1353-61. 2008.
• [11] Maruta A., B. Kozicki, K. Kitayama: Experimental demonstration of optical performance monitoring for RZ-DPSK signals using delay-tap sampling method. Opt Expr; 16:3566-76. 2008.
• [12] Kitayama K., B. Kozicki, A. Maruta: Asynchronous optical performance monitoring of RZ DQPSK signals using delay-tap sampling. In: Proc. ECOC, paper P060. Berlin, Germany (2007).
• [13] Choi H.Y., Y. Takushima, Y.C. Chung: Multiple impairment monitoring technique using optical field detection and asynchronous delay-tap sampling method. In: Proc. OFC/NFOEC, paper 0ThJ5. San Diego, California. 2009.
• [14] Zhao J., C. Lu, K.M. Lam, Z. Li, H.Y. Tam, P. K. A. Wai: A novel optical signal monitoring method of DPSK signal based on delay tap sampling and Hausdorff distance measure. In: Proc. CLEO/QELS, paper JWA108. San Jose, California. 2008.
• [15] Jargon J.A., X. Wu, A.E. Willner: Optical performance monitoring using artificial neural networks with features derived from asynchronous delay tap sampling. In: Proc. CLEO/QELS, paper OThH1. San Jose, California. 2009..
• [16] Kaminow I. P., T. Li, A.E. Willner: Optical Fiber Telecommunications VB Elsevier, 233-292. 2008.
• [17] Zhao J., Z. Li, D. Liu, L. Cheng, C. Lu, H.Y. Tam: NRZ-DPSK and RZ- -DPSK Signals Signed Chromatic Dispersion Monitoring Using Asynchronous Delay-Tap Sampling, J. Lightw. Technol 27(23). 2009.
• [18] Bracewell R.: The Fourier Transform and its Applications, Chapter 3: Convolution and Chapter 13.2 Two-Dimensional Convolutional (3rd ed.), New York: McGraw-Hill, 24-54 and 331-334. 2000.
• [19] Smith S.W.: The Scientist and Engineer’s Guide to Digital Signal Processing, Chapter 13.2: Convolution (1st ed.), California Technical Publishing, 246-252. 1997.
• [20] LeCun Y., L. Bottou, Y. Bengio, P. Haffner: "Gradient-based learning applied to document recognition" (PDF), Proceedings of the IEEE. 86 (11): 2278-2324. doi:10.1109/5.726791. 1998.
• [21] Abadi M., A. Agarwal, P. Barham, E. Brevdo, Z. Chen, C. Citro, G.S. Corrado, A. Davis, J. Dean, M. Devin, S. Ghemawat, I. Goodfellow, A. Harp, G. Irving, M. Isard, R. Jozefowicz, Y. Jia, L. Kaiser, M. Kudlur, J. Levenberg, D. Mané, M. Schuster, R. Monga, S. Moore, D. Murray, C. Olah, J. Shlens, B. Steiner, I. Sutskever, K. Talwar, P. Tucker, V. Vanhoucke, V. Vasudevan, F. Viégas, O. Vinyals, P. Warden, M. Wattenberg, M. Wicke, Y. Yu., X. Zheng: TensorFlow: Large-scale machine learning on heterogeneous systems, Software available from tensorflow.org. 2015.
• [22] Cameron C., A. Windmeijer, A.G. Frank: "An R-squared measure of goodness of fir for some common nonlinear regression models", Journal of Econometrics, 77 (2): 1790-2 (1997).

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).