Análise de desempenho de receptores ópticos coerentes baseados em técnicas de phase-retrieval
Resumo
Em sistemas de comunicações coerentes, as portadoras podem carregar infor- mação tanto na fase como na amplitude. Algoritmos de recuperação de fase são empregados para estimar a fase do sinal transmitido a partir de apenas medidas de sua amplitude. Tais algoritmos tem papel importante em alguns tipos sistemas de comunicações via fibras ópticas. Neste trabalho investigamos a eficiência de algorit- mos baseados em machine learning em comparação com o algoritmo de referência Kramers-Kronig aplicados ao problema de recuperação de fase em receptores ópticos coerentes que utilizam detecção direta. Comparamos o desempenho de técnicas de aprendizado de máquina entre duas arquiteturas de redes neurais distintas quando submetidas a cenários desfavoráveis para recuperação de fase, com o intuito de avaliar sua robustez e eficácia em situações adversas. Resultados obtidos em simulações numéricas indicam que realizar o treinamento dos modelos sobre um conjunto de dados permutado e menos eficiente se comparado com treinamento sequêncial e individu- alizado, além disso os algoritmos baseados em machine learning se provaram mais robustos quando introduzidos a um canal AWGN para situações onde o filtro formatador de pulso RRC (root raised cosine) tem um roll-off elevado, podendo degradar ainda mais o desempenho do sistema.
