Lehrstuhl für Nachrichtenübertragungstechnik

Künstliche Neuronale Netze zur Kompensation nichtlinerarer Rauschprozesse in der Nichlinearen Fourier-Transformation zur Maximierung von Datenraten und Übertragungsreichweiten

 

Die Beschreibung der Ausbreitung von Lichtwellen durch eine Glasfaser ist nicht trivial. Durch nichtlineare Effekte in der Glasfaser ist die Änderung der Lichtwelle unter anderem abhängig von ihrer momentanen Leistung. Um die Datenrate in heutigen Systemen zu erhöhen, ist es nötig, die Signalleistung möglichst hoch zu wählen, da so das Verhältnis von der Signalleistung zur Rauschleistung maximiert wird. Durch die nichtlinearen Effekte in der Glasfaser treten bei hohen Leistungen jedoch graduell zusätzliche Störungen auf, sodass die maximale Leistung und somit die maximale Datenrate begrenzt sind.

Ein mathematisches Werkzeug, um diese nichtlinearen Störungen zu minimieren, ist die sogenannte nichtlineare Fourier-Transformation (NFT). Die NFT berücksichtigt die nichtlinearen Störungen in der Faser und moduliert die zu sendenden Signale entsprechend. Dadurch kann die maximal nutzbare Sendeleistung erhöht werden, um infolgedessen die maximale Datenrate zu steigern.

Ein Nachteil der NFT ist jedoch, dass die Beschreibung von Rauscheinflüssen auf das (nichtlinear modulierte) Signal mit Hilfe von bisherigen statistischen Methoden nicht mehr möglich ist. Dadurch sind aktuelle Methoden, die dem Rauschen entgegen wirken nicht mehr optimal.
 

An dieser Stelle können neuronale Netze eingesetzt werden, um diese nichtlinearen Rauscheinflüsse zu erlernen und möglichst zu kompensieren. So lassen sich die maximale Übertragungsreichweite und die Datenrate erhöhen.

 

 

gefördert durch         ADVA

 

 

Veröffentlichungen: