Loading...
Please wait, while we are loading the content...
Développement d'un modèle cognitif de calcul de la qualité de transmission dans les réseaux optiques
| Content Provider | Semantic Scholar |
|---|---|
| Author | Aladin, Sandra |
| Copyright Year | 2018 |
| Abstract | La forte croissance de trafic IP, alimentee par l’Internet sur les telephones intelligents et les tablettes, les services infonuagiques, les jeux et la video sur Internet, exige une augmentation de la bande passante ainsi que l’utilisation de nouvelles technologies de transmission. Cette augmentation de la capacite de transmission ainsi que la diversite des services partageant un meme lien rendent les parametres de qualite de transmission difficiles a optimiser. Le concept de reseau optique cognitif a ete propose pour resoudre ce probleme. Des solutions ont ete proposees, basees sur la generation de donnees synthetiques, pour des connexions optiques avec un debit de 10 Gbit/s et le format de modulation en intensite (On-Off Keying, OOK). La technique de raisonnement par cas (Case-Based Reasoning, CBR) a ete propose pour la classification de connexions optiques avant leur etablissement. Des travaux recents ont permis d’appliquer la technique a un reseau avec un debit de 80 Gbit/s et un format de modulation de phase. Une autre solution plus recente prend en compte differents debits et formats de modulation. Les effets non lineaires y sont consideres sous forme de marges. Ce projet vise a proposer un modele d’estimation de la qualite de transmission prenant en compte des effets non lineaires a l’aide de formules analytiques basees sur le modele de bruit Gaussien. Trois techniques d’apprentissage machine sont ensuite appliquees a des donnees synthetiques generees de maniere a predire la qualite de transmission de connexions optiques en se basant sur les parametres du lien et du signal. Trois classificateurs sont proposes et sont analyses selon les trois metriques de performance suivantes : la precision de classification, le temps de traitement des donnees et l’evolutivite. Une analyse des resultats permet ensuite de determiner la methode a adopter pour le developpement de l’outil d’estimation de la qualite de transmission (Quality of Transmission, QoT) propose. La methode des machines a vecteurs de support (Support Vector Machine, SVM) offre une meilleure performance que la methode du plus proche voisin (K-Nearest Neighbors, K-NN) ou de la foret aleatoire (Random Forest, RF). La conclusion est que les techniques d’apprentissage machine peuvent etre utilisees avantageusement dans les reseaux optiques heterogenes couvrant divers debits et formats de modulation. De plus, la cognition permet d’ameliorer le temps de traitement pour estimer la QoT de connexions optiques. Neanmoins, des etudes basees sur des donnees de terrain ainsi que l’application de techniques d’optimisation aux algorithmes ainsi qu’aux donnees demeurent des aspects a approfondir. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://espace.etsmtl.ca/2156/1/ALADIN_Sandra.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
