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