Mitigación de Distorsiones en Sistemas de Radio-Sobre-Fibra usando Aprendizaje Automático

Introducción: El constante crecimiento de usuarios conectados a internet por medio de dispositivos móviles ha conllevado a incrementar la investigación en el paradigma de las redes híbridas conocido como Radio-sobre-Fibra. Estas redes aprovechan las ventajas del ancho de banda de la fibra óptica y la movilidad de las transmisiones inalámbricas, evitando el cuello de botella que se da por la conversión óptico a eléctrico. No obstante, la dispersión cromática propia de la fibra óptica genera distorsiones en la señal de radiofrecuencia modulada ópticamente, lo cual limita su alcance.  Objetivo: Mejorar el desempeño de un sistema de radio sobre fibra en términos de la tasa de error de bit, usando demodulación no simétrica por medio del algoritmo de aprendizaje automático Máquina de Soporte Vectorial.  Metodología: Se simula un sistema de Radio-sobre-Fibra en el software especializado VPIDesignSuite. Se transmiten señales de radiofrecuencia moduladas en formatos 16 y 64-QAM con diferentes anchos de línea de láser sobre fibra óptica. Se aplica el algoritmo Máquina de Soporte Vectorial para la demodulación de la señal.  Resultados: La implementación del algoritmo de aprendizaje automático para la demodulación de la señal mejora significativamente el desempeño de la red permitiendo alcanzar los 30 km de transmisión por fibra óptica. Esto implica una reducción de la tasa de error de bit hasta en dos órdenes de magnitud en comparación con la demodulación tradicional.  Conclusiones: Se demuestra que con el uso de umbrales asimétricos usando algoritmo de Máquina de Soporte Vectorial se logran mitigar distorsiones en términos de la tasa de error de bit. Así, esta técnica se hace atractiva para futuras redes de acceso de alta capacidad.

• Autores: Torres Vahos, Diego Fernando; Escobar Pérez, Alejandro; Diaz Rodríguez, Cristian Alexis; Granada Torres, Jhon James
• Tipo de recurso: Article of journal
• Fecha de publicación: 2021
• Institución: Corporación Universidad de la Costa
• Repositorio: REDICUC - Repositorio CUC
• Idioma: eng
• OAI Identifier: oai:repositorio.cuc.edu.co:11323/12320
• Acceso en línea: https://hdl.handle.net/11323/12320; https://doi.org/10.17981/ingecuc.17.2.2021.21
• Palabra clave: asymmetrical demodulation; Machine learning; millimeter wave band; Radio-over-fiber; Support Vector Machine; aprendizaje automático; banda de ondas milimétricas; demodulación asimétrica; máquina de soporte vectorial; radio-sobre-fibra
• Rights: openAccess
• License: INGE CUC - 2021