You are on page 1of 6

NUEVO DETECTOR PARA SISTEMAS DE TRANSMISI

´
ON
POR FIBRA
´
OPTICA
H. S. CARRER

D. E. CRIVELLI

M. R. HUEDA
††
Laboratorio de Comunicaciones Digitales - Universidad Nacional de C´ ordoba
Casilla de Correo 755 - Correo Central - C´ ordoba (5000) - Argentina
Tel./Fax: 54-0351-4334147+105 http://lcd.efn.uncor.edu
† hscarrer@com.uncor.edu, ‡ dcrivelli@com.uncor.edu, †† mhueda@com.uncor.edu
Resumen— En este trabajo se presenta un
nuevo detector de complejidad reducida para
transmisiones por fibra ´optica con modulaci´on
de intensidad (ASK, Amplitude Shift Keying)
y detecci´on directa. El receptor propuesto con-
sidera la presencia de ruido t´ermico y ruido de
emisi´on espont´anea. Los resultados que se pre-
sentan muestran que la degradaci´on de la per-
formance del nuevo detector respecto a la del
´optimo es despreciable, mientras que la comple-
jidad de implementaci´on se reduce significativa-
mente. Los modelos derivados en este trabajo
resultan atractivos para el dise˜ no de receptores
en transmisiones a alta velocidad (por ejemplo,
40 Gigabits por segundo), donde los efectos de
la dispersi´on y no linealidades de la fibra afec-
tan seriamente la performance del sistema.
Palabras Clave— Fibra ´optica, amplificado-
res ´opticos, ruido ´optico, modelos estad´ısticos.
I . INTRODUCCI
´
ON
Marcuse (1990, 1991) presenta un estudio detallado
de la estad´ıstica de la se˜ nal que llega a un receptor en
un sistema de fibra ´optica afectada por ruido de emi-
si´on espont´anea (generado por el l´aser transmisor y los
amplificadores ´opticos) y por ruido t´ermico (generado
por los circuitos electr´onicos del receptor). Sin embar-
go, los modelos propuestos no resultan atractivos para
su uso en un detector de secuencias de m´axima vero-
similitud (MLSE, Maximum Likelihood Sequence Esti-
mator), el cual es el detector ´optimo en presencia de
dispersi´on y no linealidades. La principal desventaja
radica en el elevado n´ umero de c´alculos num´ericos ne-
cesarios, los que dificultan seriamente su implementa-
ci´on pr´actica en circuitos integrados. Por este motivo,
en este trabajo se presenta un nuevo detector simpli-
ficado. Este nuevo detector est´a basado en un modelo
estad´ıstico simplificado de la se˜ nal recibida, el cual per-
mite disminuir la cantidad de operaciones requeridas.
Los resultados que se presentan muestran que la degra-
daci´on de la performance del nuevo detector respecto a
la del ´optimo es despreciable, mientras que la comple-
jidad de implementaci´on se reduce aproximadamente
en un 50 %.
Este trabajo est´a organizado de la siguiente manera.
En la Secci´on II se presenta el modelo del sistema. En
la Secci´on III se introduce el modelo estad´ıstico sim-
plificado para el ruido de emisi´on espont´anea. Basado
en este modelo, en la Secci´on IV se propone el nue-
vo detector para transmisiones en presencia de ruido
t´ermico y ´optico. Finalmente, en la Secci´on V se pre-
sentan las conclusiones del trabajo.
II . MODELO DEL SISTEMA
El sistema que se estudia a continuaci´on es un enla-
ce amplificado peri´odicamente, con un filtro ´optico a la
entrada del receptor (con ancho de banda B
opt
=
M
T
,
donde
1
T
es la velocidad de transmisi´on y M es un
n´ umero entero), seguido de un fotodiodo tipo p-i-n.
La se˜ nal a la salida del fotodetector se integra duran-
te un per´ıodo de bit, T. En la Fig. 1 se muestra un
diagrama en bloques de dicho sistema. Por razones de
simplicidad, en este an´alisis no se consideran los efec-
tos de la dispersi´on y de las no linealidades de la fibra.
En esta secci´on se consideran como fuentes de ruido
los amplificadores ´opticos y el l´aser transmisor. Estos
dispositivos emiten fotones de manera espont´anea, los
cuales se transmiten y amplifican a lo largo del enlace
junto con la se˜ nal de informaci´on. Este ruido se deno-
mina ruido ASE (Amplified Spontaneous Emission) o
ruido ´optico, y se modela como ruido Gaussiano a la
entrada del fotodiodo (Marcuse, 1990).
El fotodetector produce una corriente proporcional
al cuadrado del m´odulo del campo el´ectrico a su en-
trada (se˜ nal + ruido ´optico). La corriente a la salida
del fotodiodo puede expresarse como:
I(t) = K|E(t) +e
sp
(t)|
2
, (1)
donde, E(t) es el campo el´ectrico correspondiente al
s´ımbolo binario transmitido, e
sp
(t) es el ruido ASE
a la salida del filtro ´optico, y K es una constante de
proporcionalidad dependiente de las caracter´ısticas del
fotodiodo. La se˜ nal a la salida del integrador est´a dada
por
y =
1
T

T
0
I(t)dt =
K
T

T
0
|E(t) +e
sp
(t)|
2
dt. (2)
En su trabajo, Marcuse (1990) presenta las estad´ısti-
cas exactas de la se˜ nal dada por (2). Adem´as propone
un expresi´on simplificada de la FDP (Funci´on Densi-
dad de Probabilidad) de (2) condicionada al s´ımbolo
transmitido, dada por,
f
y|s
(y) ≈
1
2

M
πI
sp

I
s
(y −I
sp
)
3

1/4
exp
¸

M
I
sp

y −I
sp

I
s

2

, (3)
donde, I
sp
es el valor medio de la corriente genera-
da por el ruido ´optico. I
s
corresponde a la corrien-
te promedio generada por cada uno de los s´ımbolos
(s ∈ {1, 0}) de una constelaci´on binaria.
III . EXPRESI
´
ON SIMPLIFICADA PARA
LA FDP DE LA SE
˜
NAL RECIBIDA
En este trabajo se propone utilizar una nueva ex-
presi´on (en adelante modelo ASE) para calcular la
FDP de (2) condicionada al s´ımbolo transmitido. En
el ap´endice se encuentra el desarrollo seguido para ob-
tenerla, su f´ormula final resulta
f
y|s
(y) ≈
1
2
1

π(I
s
+I
sp

3
2
I
spm
)I
spm
exp


y −

I
s
+I
sp

3
2
I
spm

2
I
spm
¸
¸
¸, y > 0,
(4)
donde, I
spm
I
sp
/M. N´otese que la nueva expresi´on
(4) resulta m´as simple de evaluar que la versi´on apro-
ximada de Marcuse dada por (3). Esta ventaja puede
1
T

T
0
dt
1
T

T
0
dt
RUIDO
T
´
ERMICO
MODULADOR
FILTRO
´
OPTICO
AMP.
´
OPTICO
L
´
ASER
PREAMPLIFICADOR
z
n
th
y
Figura 1: Diagrama esquem´atico del sistema de fibra
´optica en estudio.
−18
−16
−14
−12
−10
−8
−6
−4
−2
0
0 5 10 15 20 25
l
o
g
1
0
(
B
E
R
)
SNR
´ optico
(dB)
Exacta
Nuevo Modelo
Figura 2: Tasas de error de bit exacta y obtenida con
el modelo ASE.
apreciarse f´acilmente si se considera el c´alculo de las
m´etricas en un ecualizador basado en el algoritmo de
Viterbi a partir de los dos modelos (3) y (4). N´otese
adem´as que la exactitud de (3) se degrada para valores
de la se˜ nal recibida cercanos a I
sp
.
En la Fig. 2 se comparan las curvas de tasa de error
de bit (o m´as conocida como bit error rate - BER),
obtenidas con el modelo exacto (Marcuse,1990) y el
modelo ASE. El m´etodo seguido para calcular la tasa
de error del modelo ASE es el siguiente. Dada una
relaci´on se˜ nal ruido ´optica determinada,
SNR
´ optico
=
(I
0
+I
1
)/2
I
sp
, (5)
se calcula el punto de decisi´on y
d
, como el punto de
cruce de las FDPs f
y|0
(y) y f
y|1
(y). Suponiendo que
los s´ımbolos binarios transmitidos son equiprobables,
la tasa de error de bit puede calcularse como:
BER =
1
2
[P
0
(y
d
) +P
1
(y
d
)], (6)
donde,
P
0
(y) =


y
M
x|0
(x)dx, P
1
(y) =

y
0
M
x|1
(x)dx,
con M
x|s
(x) igual a la FDP exacta condicionada al
s´ımbolo transmitido dada por (13) y (A3) en (Marcu-
se, 1990). Los resultados presentados muestran la ex-
celente precisi´on del modelo ASE. Teniendo en cuenta
la menor complejidad computacional del mismo, re-
sulta clara la ventaja del modelo introducido en este
trabajo respecto a propuestas anteriores.
IV . DETECTOR PROPUESTO PARA
TRANSMISIONES EN PRESENCIA
DE RUIDO
´
OPTICO Y T
´
ERMICO
En esta secci´on se considera la presencia del ruido
t´ermico generado por la electr´onica del receptor (ver
Fig. 1). La FDP de este ruido es Gaussiana de media
cero. La se˜ nal z a la salida del sumador est´a dada por
z = y +n
t
, (7)
n
t
=
1
T

T
0
I
t
(t)dt, (8)
donde, I
t
representa la corriente originada por el ruido
t´ermico (n´otese que la componente n
t
tambi´en resulta
Gaussiana). La expresi´on (7) puede escribirse de la
siguiente forma:
z = I
s
+n
sp
+n
t
, (9)
donde, n
sp
es la componente de ruido ´optico con va-
lor medio I
sp
. En su trabajo Marcuse (1991) obtiene
un m´etodo iterativo para calcular la FDP de (9) a
partir de su funci´on caracter´ıstica. En esta secci´on se
presenta un m´etodo alternativo que resulta de menor
complejidad num´erica.
El an´alisis parte del modelo propuesto para el caso
de ruido ´optico y de la estad´ıstica del ruido t´ermico:
f
y|s
(y) ≈
1
2

πK
s
I
spm
exp


y −

K
s

2
I
spm

, y > 0 (10)
f
n
t
(n
t
) =
1

2πσ
2
exp


n
2
t

2

, (11)
donde:
f
y|s
(y) = funci´on densidad de probabilidad de la
se˜ nal ´optica (se˜ nal+ruido ´optico) condicionada
al s´ımbolo transmitido;
f
n
t
(n
t
) = funci´on densidad de probabilidad para rui-
do t´ermico;
K
s
= I
s
+I
sp

3
2
I
spm
;
σ
2
= varianza de ruido t´ermico.
Como las variables aleatorias n
t
(ruido t´ermico) e y
(se˜ nal + ruido ´optico) son independientes, se puede de-
mostrar que la funci´on densidad de probabilidad de su
suma (condicionada al s´ımbolo transmitido) est´a dada
por la convoluci´on de sus respectivas funciones densi-
dad (Papoulis,1991), esto es:
f
z|s
(z) = f
y|s
(z) ⊗f
n
t
(z) ≈
1
2


2
K
s
I
spm
σ
2


0
exp
¸


x −

K
s

2
I
spm
+
(z −x)
2

2
¸
dx,
(12)
−50
−45
−40
−35
−30
−25
−20
−15
−10
−5
0
0 0.5 1 1.5 2 2.5
l
o
g
1
0
(
f
z
|
s
(
z
)
)
z/(I
1
+I
sp
−3/2I
spm
)
Exacta
Aprox. Robusta
−5
−4
−3
−2
0.7 0.9 1.1 1.3
Figura 3: Comparaciones de las FDPs condicionadas
a I
s
= I
1
para los diferentes modelos. SNR
t´ermico
=
20 dB. SNR
´ optico
= 20 dB. El cuadro interior es un
acercamiento en la zona de la media
donde ⊗ denota convoluci´on.
Para obtener la FDP de z es necesario resolver la
integral en (12), que puede escribirse como


0
e
−g(x)
dx, (13)
donde,
g(x) =

x −

K
s

2
I
spm
+
(z −x)
2

2
. (14)
La integral (13) puede aproximarse por:


0
e
−g(x)
dx ≈ e
−g(x
r
)
∆x, (15)
donde x
r
es tal que
−g(x
r
) = max
k
{−g(k∆x)}. (16)
Para obtener x
r
es necesario encontrar el m´aximo
valor de −g(x), o equivalentemente el m´ınimo de g(x).
Esta tarea se realiza encontrando la ra´ız de su derivada
primera, dada por:
g

(x) = h(x) =
1 −x
−1/2

K
s
I
spm
+
x −z
σ
2
. (17)
N´otese que la primera derivada de (17) es siempre
positiva, por lo tanto g

(x) tiene s´olo una ra´ız real.
De esta manera, el criterio de m´axima verosimilitud
(que busca maximizar (12)) equivale a maximizar la
siguiente funci´on:
ˆ
f
z|s
(z) =
1

K
s
e
−g(x
r
(z))
, (18)
(a’)
(a)
(a’+b’)
(b)
(b’)
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
50 150 250 350 450
T
´e
r
m
i
n
o
s
d
e
g
(
x
)
x
Figura 4: T´erminos de g(x) y sus derivadas.
donde se reemplaz´o (15) en (12) y se eliminaron los
t´erminos constantes. En adelante, la expresi´on (18) se
denominar´a modelo robusto. La m´etrica utilizada por
el algoritmo de Viterbi (receptor MLSE) es entonces
el menos logaritmo de (18):
M(z) =
1
2
log K
s
+g(x
r
(z)). (19)
Para mostrar la exactitud de (18), en la Fig. 3 se
grafica la FDP exacta y la obtenida a partir del mode-
lo robusto, para SNR
´ optico
=20 dB y SNR
t´ermico
=20
dB (con SNR
t´ermico
= 10 log
I
0
2
+I
1
2

2
). Se debe tener
en cuenta que para realizar una correcta comparaci´on
entre la FDP exacta y la FDP obtenida con el modelo
robusto, (18) debe multiplicarse por un factor C para
normalizar a uno el ´area de la misma. Puede apreciarse
que los resultados derivados del modelo robusto siguen
perfectamente a los valores exactos.
A . C´alculo Num´erico de Ra´ıces
El m´etodo utilizado para calcular las ra´ıces de (17),
tiene en cuenta que esta funci´on es la suma de un
t´ermino lineal y otro no lineal. Cada uno de estos
t´erminos se muestra en la Fig. 4 (l´ıneas a’ y b’ ), don-
de tambi´en se incluyen las dos componentes de (14)
(a y b) (n´otese que a’ (b’ ) es la derivada de a (b)).
En Fig. 4 se muestra adem´as la gr´afica de la suma de
ambas derivadas (a’ +b’ ) cuya ra´ız se busca. El m´eto-
do propuesto se basa en aproximar g

(x) (a’+b’ en la
Fig. 4) por medio de una funci´on lineal en la cercan´ıa
de la ra´ız. Esto se logra reemplazando el t´ermino no
lineal de (17) a’ por medio de una recta tangente en
las cercan´ıas de la ra´ız de g

(x), como se aprecia en
la Fig. 5 (a’
tan
). Para obtener la aproximaci´on de la
derivada g

(x) se suman a’
tan
con b’. De esta manera,
el algoritmo iterativo propuesto para la b´ usqueda de
la ra´ız correspondiente a z
k
resulta:
(a’ )
tan
(a’ +b’)
tan
(b’)
(a’)
a
’+
b

−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
50 150 250 350 450
T
´e
r
m
i
n
o
s
d
e
g
(
x
)
x
Figura 5: Aproximaci´on de la derivada de g(x) en los
alrededores de la ra´ız.
x
i+1
r
(z
k
) =
z
k
−σ
2
B
i
A
i
σ
2
+ 1
, (20)
donde,
A
i
= g

a
(x
i
r
(z
k
)), (21)
B
i
= g

a
(x
i
r
(z
k
)) −A
i
x
i
r
(z
k
), (22)
g

a
(x) =
1 −x
−1/2

K
s
I
spm
, (23)
g

a
(x) =
x
−3/2

K
s
2I
spm
. (24)
Si se tiene en cuenta que g

(x) es una funci´on de
pendiente continua y siempre positiva, la convergencia
del algoritmo est´a asegurada para todos los puntos,
excepto aquellos en los que el cruce por cero de la recta
tangente a a’ corresponde a un valor negativo (ra´ız
de un n´ umero negativo). Este problema se soluciona
forzando el valor de x
i+1
r
a cero.
La velocidad de convergencia del m´etodo est´a ´ınti-
mamente ligada a la elecci´on del valor inicial de x
0
r
pa-
ra cada ra´ız que se quiera calcular. Si suponemos un
barrido inicial de valores de z para los cuales se quiere
encontrar las ra´ıces (como podr´ıa ocurrir en una im-
plementaci´on pr´actica), una buena elecci´on del valor
inicial x
0
r
es la ra´ız anterior:
x
0
r
(z
k
) = x
r
(z
k−1
) k > 0. (25)
De esta manera, el problema se reduce a encontrar
x
0
r
para el primer valor de z (x
0
r
(z
0
)). En este trabajo
se propone x
0
r
(z
0
) = K
s
. Para esta elecci´on se con-
sideraron los tres modos de trabajo en que se puede
encontrar el algoritmo:
−8
−7
−6
−5
−4
−3
−2
−1
0
5 10 15 20 25 30 35 40
l
o
g
1
0
(
B
E
R
)
SNR
´ optico
(dB)
Modelo Exacto
Modelo Robusto
Figura 6: Tasas de error en funci´on de SNR
´ optico
, con
SNR
t´ermico
= 20 dB. M = 3.
1. Ruido ´optico dominante
2. Ruido t´ermico dominante
3. Ninguna de las fuentes de ruido domina
En el modo (1) el ruido ´optico es el dominante, por
lo tanto g

(x) (ver (17)) est´a dominada por la parte
lineal, debido a que la parte no lineal es despreciable y
no influye en el c´alculo de la ra´ız. Entonces, la veloci-
dad de convergencia ser´a independiente del punto que
se tome como inicial. En el modo (2) el ruido t´ermico
es el dominante, por lo tanto la ra´ız de g

(x) es aproxi-
madamente K
s
(ver (17)), y como se elige este punto
como el inicial se tendr´a una convergencia r´apida. En
el modo (3) la ra´ız estar´a en un punto intermedio entre
z y K
s
. Se verific´o num´ericamente que en la mayor´ıa
de las situaciones el uso de K
s
da buenos resultados.
Un posible criterio de terminaci´on a utilizar se ba-
sa en comparar |x
i
r
−x
i−1
r
| con la resoluci´on num´erica
con que se trabaja. Esto tiene sentido si se considera
que la resoluci´on que se utiliza en fibra ´optica suele ser
de 6 bits. En diversas simulaciones se observ´o adem´as
que fijando en 3 la cantidad de iteraciones se obtie-
nen resultados de muy buena precisi´on, mientras que
para lograr la misma precisi´on con la aproximaci´on de-
sarrollada por Marcuse (1991) se necesita realizar en
promedio 15 iteraciones. Adem´as, si se tiene en cuenta
que el nuevo modelo presentado requiere
1
un 50 % me-
nos de operaciones de multiplicaci´on, un 65 % menos
de operaciones de suma y un 40 % menos de operacio-
nes de divisi´on para cada valor de z, resultan evidentes
las ventajas computacionales del nuevo detector.
1
Teniendo en cuenta la expansi´on polin´omica de las opera-
ciones ra´ız cuadrada y logaritmo natural (Analog Devices, DSP
Division, 1992)
−8
−7
−6
−5
−4
−3
−2
−1
0
5 10 15 20 25 30 35 40
l
o
g
1
0
(
B
E
R
)
SNR
t´ermico
(dB)
Modelo Exacto
Modelo Robusto
Figura 7: Tasas de error en funci´on de SNR
t´ermico
, con
SNR
´ optico
= 15 dB. M = 3.
B . Resultados Num´ericos
En la Fig. 6 se grafican curvas de probabilidad de
error en funci´on del SNR
´ optico
para SNR
t´ermico
= 20
dB y relaci´on de extinci´on r
10
= 10 log
I
1
I
0
= 7 dB . En
esta figura se observan las curvas obtenidas con el mo-
delo exacto (Marcuse,1991), y con el modelo robusto.
Se puede apreciar el excelente desempe˜ no que presenta
este ´ ultimo.
En la Fig. 7 se grafican las curvas de probabilidad de
error en funci´on del SNR
t´ermico
para SNR
´ optico
= 15
dB y r
10
= 7 dB. Nuevamente se verifica el correc-
to desempe˜ no del modelo robusto. A partir de estos
resultados se aprecia que este modelo se ajusta a la
estad´ıstica exacta para cualquier relaci´on de potencias
de ruido t´ermico y ´optico.
V . CONCLUSIONES
En primer lugar, en este trabajo se introdujo una
nueva expresi´on simplificada de la FDP de la se˜ nal re-
cibida en un sistema de fibra ´optica de detecci´on direc-
ta con ruido ´optico dominante (condici´on que se cum-
ple en numerosas situaciones (Agrawal, 1997; Ramas-
wami y Sivarajan, 2002)). El modelo propuesto posee
una excelente precisi´on y est´a orientado a disminuir la
complejidad de implementaci´on pr´actica del receptor
en transmisiones a alta velocidad.
Como una segunda contribuci´on de este trabajo, se
present´o un modelo estad´ıstico de complejidad redu-
cida para transmisiones en presencia de ruido ´opti-
co y t´ermico (este ´ ultimo originado en los circuitos
electr´onicos del receptor). Los resultados num´ericos
presentados en este trabajo mostraron el excelente
comportamiento del nuevo detector. La importancia
de la reducci´on en la complejidad matem´atica resulta
evidente al considerar las altas velocidades de trans-
misi´on por fibra ´optica propuestas para las pr´oximas
generaciones (por ejemplo, 40 Gbps (OC-768)), donde
los efectos de la dispersi´on crom´atica y no linealida-
des de la fibra, que limitan seriamente la performance
del sistema, obligan a la incorporaci´on de elaborados
detectores (por ejemplo, basados en el algoritmo de
Viterbi).
AP
´
ENDICE
En este ap´endice se presenta el razonamiento segui-
do para la obtenci´on del modelo ASE (4).
Se parte de la expresi´on (3) desarrollada por Mar-
cuse. Expandiendo cuadrados el argumento de la ex-
ponencial de la expresi´on (3) puede escribirse como:
G(y) = −
(

y −

I
s
)
2
I
spm

I
sp
+ 2(

(y −I
sp
)I
s


yI
s
)
I
spm
.
(26)
−25
−20
−15
−10
−5
0
0 1 2 3 4 5
l
o
g
1
0
f
y
|
s
(
y
)
y/(I
s
+I
sp
−3/2I
spm
)
(a) I
s
/I
sp
= 2
−20
−15
−10
−5
0
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
l
o
g
1
0
f
y
|
s
(
y
)
y/(I
s
+I
sp
−3/2I
spm
)
(b) I
s
/I
sp
= 20
Figura 8: Comparaci´on de las FDPs para dos valo-
res de SNR
´ optico
. L´ınea s´olida, modelo exacto; l´ınea de
gui´on largo, aproximaci´on Marcuse; l´ınea de gui´on cor-
to, Modelo ASE. En (a) puede observarse la influencia
del polo en la aproximaci´on de Marcuse.
Aproximando en los alrededores de I
s
y suponiendo
que I
s
I
sp
, (26) resulta,
G(y) ≈ −


y −

I
s

2
I
spm
(27)
Bajo las mismas suposiciones puede realizarse la si-
guiente aproximaci´on,

I
s
(I
s
−I
sp
)
3

1/4

I
s
I
3
s

1/4
=
1

I
s
(28)
Reemplazando estos resultados en (3) se obtiene:
f
y|s
(y) =
1
2

πI
spm
I
s
exp −
(

y −

I
s
)
2
I
spm
. (29)
La media de esta expresi´on es I
s
+3/2I
spm
mientras
que la media de la se˜ nal es I
s
+I
sp
, teniendo en cuenta
esto se obtiene la expresi´on (4).
En la Fig. 8 se muestra a modo de ejemplo las FDPs
de los tres modelos.
REFERENCIAS
D. Marcuse, “Derivation of analytical expressions for
the bit-error probability in lightwave systems with
optical amplifiers,” Journal of Lightwave Techno-
logy, vol. 8, pp. 1816–1823, Dec. 1990.
D. Marcuse, “Calculation of bit-error probability for a
lightwave system with optical amplifiers and post-
detection gaussian noise,” Journal of Lightwave
Technology, vol. 9, pp. 505–513, Apr. 1991.
A. Papoulis, Probability, Random Variables, and Sto-
chastic Processes. McGraw-Hill, tercera ed., 1991.
R. Ramaswami and K. Sivarajan, Optical Networks: a
Practical Perspective. Morgan Kaufmann, 2002.
G. P. Agrawal, Fiber-Optic Communication Systems.
Wiley-Interscience, 1997.
The Applications Engineering Staff Analog Devices,
DSP Division, Digital Signal Processing Applica-
tions. Prentice Hall, 1992.

OPTICO donde. N´tese o adem´s que la exactitud de (3) se degrada para valores a de la se˜al recibida cercanos a Isp .por 1 y= T T 0 K I(t)dt = T T 0 0 |E(t) + esp (t)| dt. RUIDO ´ TERMICO 1 T T 0 dt Figura 1: Diagrama esquem´tico del sistema de fibra a ´ptica en estudio. (3) donde. N´tese que la nueva expresi´n o o (4) resulta m´s simple de evaluar que la versi´n aproa o ximada de Marcuse dada por (3). la tasa de error de bit puede calcularse como: BER = 1 [P0 (yd ) + P1 (yd )]. Ispm Isp /M . o con Mx|s (x) igual a la FDP exacta condicionada al s´ ımbolo transmitido dada por (13) y (A3) en (Marcuse. Dada una relaci´n se˜al ruido ´ptica determinada. P1 (y) = 0 Mx|1 (x)dx.BER). n En la Fig. . En el ap´ndice se encuentra el desarrollo seguido para obe tenerla. Suponiendo que los s´ ımbolos binarios transmitidos son equiprobables. o III .1990) y el modelo ASE. y > 0. 1990). 2 se comparan las curvas de tasa de error de bit (o m´s conocida como bit error rate . Marcuse (1990) presenta las estad´ ısticas exactas de la se˜al dada por (2). Is corresponde a la corrieno te promedio generada por cada uno de los s´ ımbolos (s ∈ {1. resulta clara la ventaja del modelo introducido en este trabajo respecto a propuestas anteriores. ´ EXPRESION SIMPLIFICADA PARA ˜ LA FDP DE LA SENAL RECIBIDA SNRoptico (dB) ´ Figura 2: Tasas de error de bit exacta y obtenida con el modelo ASE. (4) donde. ∞ 1 T FILTRO ´ OPTICO PREAMPLIFICADOR y T 0 dt y nth z P0 (y) = y Mx|0 (x)dx. Isp (5) En este trabajo se propone utilizar una nueva expresi´n (en adelante modelo ASE ) para calcular la o FDP de (2) condicionada al s´ ımbolo transmitido. o n o SNRoptico = ´ (I0 + I1 )/2 . su f´rmula final resulta o fy|s (y) ≈  1 2 √ 1 3 π(Is + Isp − 2 Ispm )Ispm 2  exp − y− 3 Is + Isp − 2 Ispm Ispm  . Teniendo en cuenta o la menor complejidad computacional del mismo. Adem´s propone n a un expresi´n simplificada de la FDP (Funci´n Densio o dad de Probabilidad) de (2) condicionada al s´ ımbolo transmitido. Los resultados presentados muestran la excelente precisi´n del modelo ASE. a obtenidas con el modelo exacto (Marcuse. fy|s (y) ≈ 1 2 M πIsp Is (y − Isp )3 y − Isp − 1/4 M exp − Isp Is 2 . 0}) de una constelaci´n binaria. El m´todo seguido para calcular la tasa e de error del modelo ASE es el siguiente. dada por. Isp es el valor medio de la corriente generada por el ruido ´ptico. apreciarse f´cilmente si se considera el c´lculo de las a a m´tricas en un ecualizador basado en el algoritmo de e Viterbi a partir de los dos modelos (3) y (4). Esta ventaja puede se calcula el punto de decisi´n yd . 2 (2) −2 −4 log10 (BER) −6 −8 −10 −12 −14 −16 −18 Exacta Nuevo Modelo 0 5 10 15 20 25 En su trabajo. como el punto de o cruce de las FDPs fy|0 (y) y fy|1 (y). 2 (6) ´ LASER MODULADOR ´ AMP.

e El an´lisis parte del modelo propuesto para el caso a de ruido ´ptico y de la estad´ o ıstica del ruido t´rmico: e fy|s (y) ≈ 1 πKs Ispm √ √ y − Ks exp − Ispm 2 1 2πσ 2 exp e−g(x) dx.7 0. (15) donde xr es tal que −g(xr ) = max{−g(k∆x)}. por lo tanto g (x) tiene s´lo una ra´ real. y>0 (10) donde. La expresi´n (7) puede escribirse de la o siguiente forma: z = Is + nsp + nt . 2σ 2 (14) La integral (13) puede aproximarse por: ∞ 0 fy|s (y) = funci´n densidad de probabilidad de la o se˜al ´ptica (se˜al+ruido ´ptico) condicionada n o n o al s´ ımbolo transmitido. dada por: √ 1 − x−1/2 Ks x−z g (x) = h(x) = + .3 En esta secci´n se considera la presencia del ruido o t´rmico generado por la electr´nica del receptor (ver e o Fig. 2 σ 2 = varianza de ruido t´rmico. se puede demostrar que la funci´n densidad de probabilidad de su o suma (condicionada al s´ ımbolo transmitido) est´ dada a por la convoluci´n de sus respectivas funciones densio dad (Papoulis. En esta secci´n se o presenta un m´todo alternativo que resulta de menor e complejidad num´rica. o fnt (nt ) = funci´n densidad de probabilidad para ruie do t´rmico.9 1.IV . (9) Exacta Aprox. Robusta 0. 1). que puede escribirse como ∞ donde. It representa la corriente originada por el ruido t´rmico (n´tese que la componente nt tambi´n resulta e o e Gaussiana). Esta tarea se realiza encontrando la ra´ de su derivada ız primera. 0 donde.5 2 2. o equivalentemente el m´ ınimo de g(x). (11) + (z − x)2 . El cuadro interior es un ´ acercamiento en la zona de la media donde ⊗ denota convoluci´n. La se˜al z a la salida del sumador est´ dada por n a z = y + nt . (17) Ispm σ2 N´tese que la primera derivada de (17) es siempre o positiva. En su trabajo Marcuse (1991) obtiene un m´todo iterativo para calcular la FDP de (9) a e partir de su funci´n caracter´ o ıstica. 2 0 (13) . e e Como las variables aleatorias nt (ruido t´rmico) e y n o (se˜al + ruido ´ptico) son independientes. k (16) Para obtener xr es necesario encontrar el m´ximo a valor de −g(x).5 1 1. Ks (18) 2 2 exp − √ x − Ks Ispm √ 1 2K I 2π s spm σ 2 + (z − x)2 2σ 2 dx.5 z/(I1 + Isp − 3/2Ispm ) Figura 3: Comparaciones de las FDPs condicionadas a Is = I1 para los diferentes modelos. (12) . o Para obtener la FDP de z es necesario resolver la integral en (12). nsp es la componente de ruido ´ptico con vao lor medio Isp . Ks = Is + Isp − 3 Ispm . el criterio de m´xima verosimilitud a (que busca maximizar (12)) equivale a maximizar la siguiente funci´n: o 1 ˆ fz|s (z) = √ e−g(xr (z)) . La FDP de este ruido es Gaussiana de media cero. nt = 1 T T −5 (7) (8) It (t)dt.1 1. o ız De esta manera. DETECTOR PROPUESTO PARA TRANSMISIONES EN PRESENCIA ´ ´ DE RUIDO OPTICO Y TERMICO 0 −10 log10 (fz|s (z)) −15 −20 −25 −30 −35 −40 −45 −50 0 −2 −3 −4 −5 0.1991). g(x) = √ √ x − Ks Ispm 2 fnt (nt ) = √ donde: n2 − t2 2σ . esto es: fz|s (z) = fy|s (z) ⊗ fnt (z) ≈ ∞ 0 e−g(x) dx ≈ e−g(xr ) ∆x. SNRoptico = 20 dB. SNRt´rmico = e 20 dB.

6 0.8 0.2 0 −0. zk − σ 2 B i .6 0. el problema se reduce a encontrar x0 para el primer valor de z (x0 (z0 )). (18) debe multiplicarse por un factor C para normalizar a uno el ´rea de la misma. De esta manera. donde tambi´n se incluyen las dos componentes de (14) e (a y b) (n´tese que a’ (b’ ) es la derivada de a (b)). o En Fig. en la Fig.2 0 −0. 3 se grafica la FDP exacta y la obtenida a partir del modelo robusto. Si suponemos un ız barrido inicial de valores de z para los cuales se quiere encontrar las ra´ ıces (como podr´ ocurrir en una imıa plementaci´n pr´ctica). e lineal de (17) a’ por medio de una recta tangente en las cercan´ de la ra´ de g (x). 2Ispm (21) (22) (23) (24) ga (x) = ga (x) = Ispm √ −3/2 Si se tiene en cuenta que g (x) es una funci´n de o pendiente continua y siempre positiva. 4 (l´ e ıneas a’ y b’ ). A. Este problema se soluciona u forzando el valor de xi+1 a cero. Cada uno de estos e t´rminos se muestra en la Fig. una buena elecci´n del valor o a o inicial x0 es la ra´ anterior: ız r x0 (zk ) = xr (zk−1 ) r k > 0.4 (a) 1 0. para SNRoptico =20 dB y SNRt´rmico =20 ´ e 2 +I 2 dB (con SNRt´rmico = 10 log I0 2σ2 1 ). En este trabajo r r se propone x0 (z0 ) = Ks . 5 (a’an ). Ai σ 2 + 1 (20) Para mostrar la exactitud de (18). C´lculo Num´rico de Ra´ a e ıces El m´todo utilizado para calcular las ra´ de (17). 2 (19) xi+1 (zk ) = r donde. 350 450 (a’ ) tan (a’) (a’ +b’) tan 0.1 0. la expresi´n (18) se e o denominar´ modelo robusto. El m´toız e do propuesto se basa en aproximar g (x) (a’+b’ en la Fig.2 −0. r Bi = ga (xi (zk )) r 1− x − Ai xi (zk ). Se debe tener e en cuenta que para realizar una correcta comparaci´n o entre la FDP exacta y la FDP obtenida con el modelo robusto.8 T´rminos de g(x) e T´rminos de g(x) e 0.4 (a’) (a’+b’) (b) (b’) a’+b (b’) ’ Figura 4: T´rminos de g(x) y sus derivadas. r √ −1/2 Ks x . Para esta elecci´n se cono r sideraron los tres modos de trabajo en que se puede encontrar el algoritmo: .4 50 150 250 x 350 450 50 150 250 x Figura 5: Aproximaci´n de la derivada de g(x) en los o alrededores de la ra´ ız. a excepto aquellos en los que el cruce por cero de la recta tangente a a’ corresponde a un valor negativo (ra´ ız de un n´mero negativo). 4) por medio de una funci´n lineal en la cercan´ o ıa de la ra´ Esto se logra reemplazando el t´rmino no ız.2 −0. (25) De esta manera. r La velocidad de convergencia del m´todo est´ ´ e a ıntimamente ligada a la elecci´n del valor inicial de x0 pao r ra cada ra´ que se quiera calcular. t el algoritmo iterativo propuesto para la b´squeda de u la ra´ correspondiente a zk resulta: ız Ai = ga (xi (zk )). En adelante. Para obtener la aproximaci´n de la o t derivada g (x) se suman a’an con b’. e ıces tiene en cuenta que esta funci´n es la suma de un o t´rmino lineal y otro no lineal. La m´trica utilizada por a e el algoritmo de Viterbi (receptor MLSE) es entonces el menos logaritmo de (18): M (z) = 1 log Ks + g(xr (z)). la convergencia del algoritmo est´ asegurada para todos los puntos.4 0. e donde se reemplaz´ (15) en (12) y se eliminaron los o t´rminos constantes. como se aprecia en ıas ız la Fig. 4 se muestra adem´s la gr´fica de la suma de a a ambas derivadas (a’ +b’ ) cuya ra´ se busca. Ks . Puede apreciarse a que los resultados derivados del modelo robusto siguen perfectamente a los valores exactos.

debido a que la parte no lineal es despreciable y no influye en el c´lculo de la ra´ Entonces. si se tiene en cuenta a que el nuevo modelo presentado requiere1 un 50 % menos de operaciones de multiplicaci´n. A partir de estos n resultados se aprecia que este modelo se ajusta a la estad´ ıstica exacta para cualquier relaci´n de potencias o de ruido t´rmico y ´ptico. en este trabajo se introdujo una nueva expresi´n simplificada de la FDP de la se˜al reo n cibida en un sistema de fibra ´ptica de detecci´n direco o ta con ruido ´ptico dominante (condici´n que se cumo o ple en numerosas situaciones (Agrawal.0 −1 −2 log10 (BER) −3 −4 −5 −6 −7 −8 5 10 15 20 25 30 35 40 log10 (BER) Modelo Exacto Modelo Robusto 0 −1 −2 −3 −4 −5 −6 −7 −8 5 10 15 20 25 30 35 40 Modelo Exacto Modelo Robusto SNRoptico (dB) ´ Figura 6: Tasas de error en funci´n de SNRoptico . En o o I0 esta figura se observan las curvas obtenidas con el modelo exacto (Marcuse. En el modo (2) el ruido t´rmico e es el dominante. M = 3. M = 3. un 65 % menos o de operaciones de suma y un 40 % menos de operaciones de divisi´n para cada valor de z. 2002)). e 1. se o present´ un modelo estad´ o ıstico de complejidad reducida para transmisiones en presencia de ruido ´ptio co y t´rmico (este ultimo originado en los circuitos e ´ electr´nicos del receptor). En diversas simulaciones se observ´ adem´s o a que fijando en 3 la cantidad de iteraciones se obtienen resultados de muy buena precisi´n. ´ En la Fig. Resultados Num´ricos e En el modo (1) el ruido ´ptico es el dominante. 2. 1992) En la Fig. Ramaswami y Sivarajan. Un posible criterio de terminaci´n a utilizar se bao i sa en comparar |xr − xi−1 | con la resoluci´n num´rica o e r con que se trabaja. por lo tanto la ra´ de g (x) es aproxiız madamente Ks (ver (17)). Los resultados num´ricos o e presentados en este trabajo mostraron el excelente comportamiento del nuevo detector. mientras que o para lograr la misma precisi´n con la aproximaci´n deo o sarrollada por Marcuse (1991) se necesita realizar en promedio 15 iteraciones. La importancia de la reducci´n en la complejidad matem´tica resulta o a evidente al considerar las altas velocidades de transmisi´n por fibra ´ptica propuestas para las pr´ximas o o o . Ruido ´ptico dominante o Ruido t´rmico dominante e Ninguna de las fuentes de ruido domina SNRt´rmico (dB) e Figura 7: Tasas de error en funci´n de SNRt´rmico . Se verific´ num´ricamente que en la mayor´ o e ıa de las situaciones el uso de Ks da buenos resultados. y como se elige este punto como el inicial se tendr´ una convergencia r´pida. Como una segunda contribuci´n de este trabajo.1991). CONCLUSIONES En primer lugar. y con el modelo robusto. Nuevamente se verifica el correcto desempe˜o del modelo robusto. Adem´s. En a a el modo (3) la ra´ estar´ en un punto intermedio entre ız a z y Ks . la velocia ız. Esto tiene sentido si se considera que la resoluci´n que se utiliza en fibra ´ptica suele ser o o de 6 bits. por o lo tanto g (x) (ver (17)) est´ dominada por la parte a lineal. 7 se grafican las curvas de probabilidad de error en funci´n del SNRt´rmico para SNRoptico = 15 o e ´ dB y r10 = 7 dB. DSP ız Division. 3. 1 Teniendo en cuenta la expansi´n polin´mica de las operao o ciones ra´ cuadrada y logaritmo natural (Analog Devices. ´ B. Se puede apreciar el excelente desempe˜o que presenta n este ultimo. resultan evidentes o las ventajas computacionales del nuevo detector. El modelo propuesto posee una excelente precisi´n y est´ orientado a disminuir la o a complejidad de implementaci´n pr´ctica del receptor o a en transmisiones a alta velocidad. e o V. dad de convergencia ser´ independiente del punto que a se tome como inicial. con o ´ SNRt´rmico = 20 dB. 1997. 6 se grafican curvas de probabilidad de error en funci´n del SNRoptico para SNRt´rmico = 20 o ´ e dB y relaci´n de extinci´n r10 = 10 log I1 = 7 dB . con o e SNRoptico = 15 dB.

“Derivation of analytical expressions for the bit-error probability in lightwave systems with optical amplifiers. and Stochastic Processes. Expandiendo cuadrados el argumento de la exponencial de la expresi´n (3) puede escribirse como: o √ √ ( y − Is )2 Isp + 2( − G(y) = − Ispm (y − Isp )Is − Ispm √ yIs ) Aproximando en los alrededores de Is y suponiendo que Is Isp . 2002. Ramaswami and K.2 1. Morgan Kaufmann. l´ o ınea de ´ gui´n largo. McGraw-Hill. Agrawal. que limitan seriamente la performance del sistema.. 8. Reemplazando estos resultados en (3) se obtiene: √ √ ( y − I s )2 1 fy|s (y) = exp − . REFERENCIAS D. 505–513. Wiley-Interscience. 1990. 9.generaciones (por ejemplo. ´ APENDICE e En este ap´ndice se presenta el razonamiento seguio do para la obtenci´n del modelo ASE (4). L´ ınea s´lida. o En la Fig. Fiber-Optic Communication Systems. pp.” Journal of Lightwave Technology.8 2 y/(Is + Isp − 3/2Ispm ) (b) Is /Isp = 20 The Applications Engineering Staff Analog Devices. modelo exacto. (26) 0 log10 fy|s (y) −5 −10 −15 −20 −25 0 1 2 3 4 y/(Is + Isp − 3/2Ispm ) (a) Is /Isp = 2 5 0 log10 fy|s (y) −5 −10 −15 −20 0. 1991. G. o Is (Is − Isp ) 3 1/4 ≈ Is 3 Is 1/4 1 =√ Is (28) . 8 se muestra a modo de ejemplo las FDPs de los tres modelos. Prentice Hall. 1992. Modelo ASE. vol. Marcuse. Sivarajan. D.6 1.8 1 1. Figura 8: Comparaci´n de las FDPs para dos valoo res de SNRoptico . En (a) puede observarse la influencia del polo en la aproximaci´n de Marcuse. 1991. 40 Gbps (OC-768)). “Calculation of bit-error probability for a lightwave system with optical amplifiers and postdetection gaussian noise. R. DSP Division. A. Random Variables. l´ o o ınea de gui´n coro to. pp. (29) Ispm 2 πIspm Is La media de esta expresi´n es Is + 3/2Ispm mientras o que la media de la se˜al es Is + Isp . Digital Signal Processing Applications.4 1. G(y) ≈ − √ √ y − Is Ispm 2 (27) Bajo las mismas suposiciones puede realizarse la siguiente aproximaci´n. o . tercera ed. obligan a la incorporaci´n de elaborados o detectores (por ejemplo. Marcuse. 1816–1823.” Journal of Lightwave Technology. Apr. basados en el algoritmo de Viterbi). (26) resulta. vol. 1997. Se parte de la expresi´n (3) desarrollada por Maro cuse.6 0. Papoulis. P. Dec. aproximaci´n Marcuse. Optical Networks: a Practical Perspective.4 0. Probability. donde los efectos de la dispersi´n crom´tica y no linealidao a des de la fibra. teniendo en cuenta n esto se obtiene la expresi´n (4).