電子產(chǎn)業(yè)一站式賦能平臺(tái)

PCB聯(lián)盟網(wǎng)

搜索
查看: 72|回復(fù): 0
收起左側(cè)

機(jī)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(jí)會(huì)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(jiǎng)勵(lì) |倒序?yàn)g覽 |閱讀模式
引言# o4 b4 O! ^/ A4 I$ K7 L$ R
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(shí)。本文探討了機(jī)器學(xué)習(xí)如何改進(jìn)功率和GSNR估算[1]。$ M- i4 m' P8 ?2 b" T5 X* F

, c& `; H- u3 y  o) ^" |7 N) v
7 S% O& e+ U9 K" m系統(tǒng)參數(shù)和數(shù)據(jù)集生成4 y1 `0 r" Q3 `
MB-EONs中廣義信噪比(GSNR)分布的估算受多個(gè)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(jì)算量大,不適合實(shí)時(shí)網(wǎng)絡(luò)管理。機(jī)器學(xué)習(xí)方法在這方面提供了高效解決方案。
+ s2 O' i$ x) n) k- }( c* r2 O$ i( O+ J$ M1 q) v
該機(jī)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(gè)關(guān)鍵參數(shù):
  • 跨段長(zhǎng)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
    - C* q0 v, R: p' Q+ ?+ I[/ol]
      S  n$ j6 k% V% p! B' J4 }5 c' K特征選擇和模型架構(gòu)" ^& S7 R' ]5 N3 a/ w+ A) r
    對(duì)于功率估算,考慮以下關(guān)鍵特征:: |- J& C! B: T7 n( |

    ( d9 A; B8 l) P( S( [7 r! A3 M9 J
    $ c8 Q) p; o8 g+ \" _+ W機(jī)器學(xué)習(xí)輔助功率估算的特征包括跨段長(zhǎng)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(dòng)百分比。
    " V5 d" @1 T( c$ I* O1 T. Z' j0 u" H7 M  z( K4 H3 ]7 f  Z# p
    對(duì)于GSNR估算,還需考慮額外特征:  I- m; o* I+ b
    % M! X8 L& p# P7 o" j1 t6 n
    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。
    4 s( X( l/ Y, x; ^2 d+ e4 z9 C9 c: W4 b! J, u2 P8 x- _- w+ K
    研究實(shí)現(xiàn)了三種機(jī)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  x7 I. e1 v. D% Q- N
    [/ol]* z+ p' n+ L5 M/ t' o  }. ]
    結(jié)果和性能分析: {: T& N# l9 q

    % A+ d- z7 d. _* S& R: S" x9 S1 d圖1:機(jī)器學(xué)習(xí)模型性能對(duì)比,顯示(a)功率絕對(duì)誤差直方圖,(b)功率絕對(duì)誤差累積分布函數(shù),(c)GSNR絕對(duì)誤差直方圖,(d)不同機(jī)器學(xué)習(xí)模型的GSNR絕對(duì)誤差累積分布函數(shù)。1 d; Y% n3 s4 m+ j- r
    % j% Z; ?- R+ Y" D4 n2 I
    結(jié)果顯示所有模型都具有顯著的精確度,其中GB模型達(dá)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(jì)算時(shí)間的情況下實(shí)現(xiàn)的。1 x- a" h5 ^' X- r5 s% ]# M: g1 q
    3 x" t' [2 R# _
    功率優(yōu)化實(shí)現(xiàn)
    $ w7 `) z" m8 c, s在功率優(yōu)化場(chǎng)景中,機(jī)器學(xué)習(xí)模型顯示出優(yōu)異結(jié)果:; c/ r6 k% k+ }: B' x! }  w
    ' d# W0 l: Y" P8 L/ l0 I

    ! m- o/ N2 x6 {) z/ r' A8 d2 n5 }1 ]+ R優(yōu)化結(jié)果表明,機(jī)器學(xué)習(xí)方法達(dá)到與分析方法幾乎相同的最優(yōu)功率水平,同時(shí)計(jì)算時(shí)間減少25-50倍。例如,對(duì)于100公里跨段,分析方法需要150.94秒,而最快的機(jī)器學(xué)習(xí)模型(NN1)僅需2.92秒。
    6 a# w8 v1 W8 r9 b5 b8 W4 p! d1 j: \1 ?% e0 l/ n& m
    技術(shù)規(guī)格和模型參數(shù)' a$ J$ h3 {4 ?, I* Q+ U6 d# Q% s
    系統(tǒng)實(shí)現(xiàn)使用以下具體參數(shù):
    ' @  g+ Z) F) ?. ~$ N& p
  • 符號(hào)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(hù)帶寬:400 GHz' Z# D! i3 ?! ~( ~  q0 t- D

    : D- ?. r4 E, }數(shù)據(jù)集生成過程創(chuàng)建了2,500個(gè)不同場(chǎng)景,產(chǎn)生400,000個(gè)樣本(2,500×160信道)。去除空閑信道后,剩余300,700個(gè)活動(dòng)樣本。數(shù)據(jù)分配為80%用于訓(xùn)練,20%用于測(cè)試,訓(xùn)練集的20%用于使用5折交叉驗(yàn)證的驗(yàn)證。
    * g9 i) V, j5 l3 S
    # Q* U* O2 O: D: E/ u) u. p- Z* U6 S結(jié)論7 N. L" [2 _3 i8 a% q, R0 Q
    機(jī)器學(xué)習(xí)模型的超參數(shù)經(jīng)過精心調(diào)整:( r* t6 @4 I; _, W  Y
  • GB模型:0.1子采樣,0.01學(xué)習(xí)率,10最大深度,15,000估計(jì)器
  • GSNR的NN1:一個(gè)500神經(jīng)元層,使用ReLU激活函數(shù)
  • GSNR的NN2:兩個(gè)500神經(jīng)元層,使用ReLU激活函數(shù)
  • 功率的NN1:一個(gè)1000神經(jīng)元層,使用Tanh激活函數(shù)
  • 功率的NN2:兩個(gè)500神經(jīng)元層,使用ReLU激活函數(shù)& @- A2 `6 x& a* v

    - d  n. ^1 M& P. `& \$ ~1 s機(jī)器學(xué)習(xí)輔助方法在光網(wǎng)絡(luò)管理中取得重要進(jìn)展,提供實(shí)時(shí)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(dòng)態(tài)網(wǎng)絡(luò)優(yōu)化和管理提供快速的QoT估算。
    : q, `5 [6 y8 P. `" A0 m6 }% s" V2 y4 c( |* u2 I  a* v
    參考文獻(xiàn)
    " R( g: O0 k' K' Z2 E2 J7 t% u5 }[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.$ `" O) ~- k3 y$ a3 r. j7 T/ D0 w$ y7 H& _

      e9 ]# }( T" wEND* g3 P: X" v) j/ N  L$ r
    / N# L- i1 M  y

    5 S. j. ]7 q4 R/ w軟件申請(qǐng)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(qǐng)?bào)w驗(yàn)免費(fèi)版PIC Studio軟件。無(wú)論是研究還是商業(yè)應(yīng)用,PIC Studio都可提升您的工作效能。
      N) K' d- m0 t$ J7 T- Z$ G點(diǎn)擊左下角"閱讀原文"馬上申請(qǐng)
    % f2 T0 B: C! J- U" I
    . O- K$ P( ?- c3 o" d7 ], t歡迎轉(zhuǎn)載8 Y3 Q# B7 ~5 h/ m/ {* |
    $ t- ~) d7 E2 G* }. X
    轉(zhuǎn)載請(qǐng)注明出處,請(qǐng)勿修改內(nèi)容和刪除作者信息!
    : Q& w7 c( q, q. g, R1 U  y0 Q. K3 T+ }2 W+ M
    $ C5 |& l' c5 `4 _

    $ N) S6 b0 @% |' X0 r2 q" Z! T ; i- ~# I9 f# n

    + W! D! S- D' S6 w; i# ?  l關(guān)注我們1 j5 f/ b, B# p
    : i6 z8 x  K( B3 V
    , j9 {/ O+ c: n
    # R4 f% K: A" T& f3 _1 v
    1 m% J* ?/ z" s: ^
    # M0 k2 O$ F& ^1 J0 K3 R

    & _  M3 a. k% t/ X
    & U: Q8 k$ s7 T7 u
                         
    7 v' C1 g9 Q9 G6 s4 r. g* T: f+ [7 `' y- N+ V: g# Z0 Q# ~
    ! J+ r1 m: ?9 b7 W9 ]- d! Y& z  p
      c( [; P5 ^9 q& L
    關(guān)于我們:/ r' z" t0 A( k0 M! h7 C& ?( i2 b; F
    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(jì)自動(dòng)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(jì)和仿真軟件,提供成熟的設(shè)計(jì)解決方案如PIC Studio、MEMS Studio和Meta Studio,分別針對(duì)光電芯片、微機(jī)電系統(tǒng)、超透鏡的設(shè)計(jì)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(jì)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(guó)內(nèi)外晶圓代工廠及硅光/MEMS中試線合作,推動(dòng)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)。6 L& P! a1 }2 W. ?; }; \
    4 {- J' X' w; m$ N
    http://www.latitudeda.com/
    % B, e- H4 G' m(點(diǎn)擊上方名片關(guān)注我們,發(fā)現(xiàn)更多精彩內(nèi)容)
  • 發(fā)表回復(fù)

    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