Unternehmen haben Technologien entwickelt, die mithilfe von Deep Learning selbstständig Parameter trainieren, um die Auswirkungen systematischer Fehler bei der optischen Signalübertragung zu minimieren. Dies geschieht beim Erlernen der Schätzung von Parametern des optischen Übertragungssignals – ein Problem, das spezifisch für optische Kommunikationssysteme ist – darunter Symbolrate und optisches Signal-Rausch-Verhältnis (OSNR). Die Unternehmen entwickelten in den Fujitsu Laboratories ein experimentelles Übertragungssystem, das ein optisches Netzwerk simuliert. Anhand von fast 10.000 Datenpunkten konnten sie nachweisen, dass diese Technologie das OSNR mit einem Messfehler von 1 % und das Modulationsformat sowie die Symbolrate mit einem Messfehler von 5 % schätzen kann.
Treten beim Aufbau oder Betrieb eines Glasfasernetzes Probleme auf, ermöglicht diese Technologie nun die Erledigung von Aufgaben innerhalb weniger Minuten – Aufgaben, für die ein Experte mit spezialisierter Messtechnik mehrere Tage benötigen würde. Dies wird den Aufbau, den Betrieb und die Verwaltung von Netzen erheblich vereinfachen.

Hintergrund der Entwicklung:
Der Datenverkehr in den optischen Netzen, die die Grundlage einer IKT-getriebenen Gesellschaft bilden, wird in den kommenden Jahren voraussichtlich drastisch ansteigen, parallel zur Anzahl internetfähiger Geräte. Um dieses Datenvolumen zu bewältigen, werden in optischen Netzen nacheinander zahlreiche neue optische Übertragungstechnologien eingeführt, und es wird erwartet, dass diese Netze noch vielfältiger und komplexer werden. Daher besteht ein Bedarf an Technologien, die den Aufbau, den Betrieb und die Verwaltung optischer Netze erleichtern.

fujitsu-image-2-wNetzwerken
, die auf höhere Kapazität und größere Reichweite abzielen, führt die zunehmende Komplexität der optischen Übertragungssignale und Gerätekonfigurationen dazu, dass der Netzwerkaufbau oder die Fehlersuche mehrere Tage dauern kann. Dies stellt eine erhebliche Herausforderung für den Aufbau und die Verwaltung von Glasfasernetzen dar. Daher besteht Bedarf an Technologien zur Fernüberwachung des Status optischer Netzwerke. Die Messung der benötigten Informationen ohne dedizierte Messgeräte gestaltet sich jedoch aufgrund der besonderen optischen Signalcharakteristika neuer Übertragungstechnologien schwierig. Die
 
eine Technologie
entwickelt, mit der sich die für den Aufbau und Betrieb eines Netzwerks notwendigen optischen Signalübertragungsparameter (Signal-Rausch-Verhältnis, Modulationsformat und Symbolrate (1)) von optisch übertragenen Signalen an entfernten optischen Empfängern messen lassen.
Diese neu entwickelte Technologie trainiert ein tiefes neuronales Netzwerk, indem sie die von optischen Empfängern empfangenen Signale in das Netzwerk einspeist. Durch die Verwendung der Messergebnisse zur Bereitstellung von Überwachungskennzeichnungen trainiert diese Technologie das tiefe neuronale Netzwerk, die von den Geräten erzeugten Messergebnisse zu reproduzieren und so die Parameter der optischen Signalübertragung zu schätzen. Da bei der Empfangsmessung eines optischen Übertragungssignals systematische Fehler in den Signalcharakteristika, wie beispielsweise der Laserfrequenz, auftreten können, würde das neuronale Netzwerk bei unveränderter Verwendung der empfangenen Daten für das Training auf fehlerhafte Zustände spezialisiert. Dies könnte die Messfehler in den Schätzungen erhöhen. Um dem entgegenzuwirken, generiert die neue Technologie virtuell Signale basierend auf optisch übertragenen Signalen in verschiedenen Zuständen, beispielsweise durch die virtuelle Generierung mehrerer Datensätze mit unterschiedlichen Laserfrequenzen und deren anschließende Kombination zum Trainingsdatensatz. Dadurch können verschiedene Situationen in den Trainingsergebnissen abgebildet werden, wodurch die Technologie die Messfehler in den Schätzungen minimiert.

Laboratories
, die Fujitsu Laboratories of America und das Fujitsu R&D Center führten einen Test durch, indem sie ein simuliertes Übertragungssystem aufbauten, das ein reales optisches Netzwerk nachbildet. Der Test bestätigte, dass diese Technologie mit 10.000 Datenpunkten das OSNR mit einem Messfehler von 1 % und das Modulationsformat sowie die Symbolrate mit einem Messfehler von 5 % schätzen kann. Mit dieser Technologie können Aufgaben, für die bisher ein Experte mehrere Tage mit speziellen Messgeräten benötigte, nun innerhalb weniger Minuten aus der Ferne geschätzt werden.
Zukünftige Pläne
: Die Fujitsu Laboratories, die Fujitsu Laboratories of America und das Fujitsu R&D Center werden zukünftig Tests in einer realen Netzwerkumgebung durchführen, um diese Technologie im Geschäftsjahr 2019 oder später zu kommerzialisieren. Die Unternehmen werden außerdem ihre Forschung zur Automatisierung des Betriebs optischer Netzwerke fortsetzen.

Weitere Informationen
________________________________________
• [1] Symbolrate: Die Rate, mit der Amplituden- und Phaseninformationen bei der Modulation elektrisch übertragener Daten mittels Licht umgeschaltet werden können.
• [2] Kohärenter digitaler Empfänger: Ein Empfänger, der optische Signalphaseninformationen stabil verarbeiten kann, was bei früheren kohärenten Empfängern ein Problem darstellte. Dies wird durch digitale Signalverarbeitung in der optischen Kommunikation erreicht.