Digital Signal Processing for Optical Transport Networks

Digitale Signalverarbeitung ist der technologische Treiber für energieeffiziente und leistungsfähige optische Transportnetze. Sie steigert die Robustheit gegenüber Übertragungsstörungen und ermöglich die Softwaresteuerung der physikalischen Schicht.

Fakten

Elektronische digitale Signalverarbeitung (DSP) ist eine Schlüsseltechnologie für optische Transportnetze, insbesondere für kohärente optische Übertragungssysteme. In optischen Transpondern ermöglicht sie die Trägerrückgewinnung und -synchronisation sowie die Kompensation von linearen und nichtlineare Signalstörungen. Darüber hinaus können verschiedenste Signal- und Streckenparameter geschätzt und als wertvolle Telemetriedaten der Steuer- und Kontrollschicht in optische Transportnetzen verfügbar gemacht werden. Für diese Anwendungen kommen zunehmend auch Verfahren des maschinellen Lernens zum Einsatz.

Die Arbeitsgruppe Digitale Signalverarbeitung verfügt über vielseitige Erfahrungen in der Entwicklung und Echtzeit-Implementierung von DSP-Algorithmen für optische Kommunikationssysteme. Unsere Kompetenzen erstrecken sich vom Bereich des Entwurfs von Algorithmen über die Implementierung in verschiedenen Programmiersprachen wie Matlab, Python, und C/C++ bis zu VHDL-basierten FPGA Implementierungen und werden regelmäßig in Laborexperimenten und Feld-Tests unter Beweis gestellt. Ein besonderer Schwerpunkt liegt dabei in der Modellierung von nichtlinearen Systemen, entsprechender Schätzalgorithmen und dem Entwurf nichtlinearer Entzerrer. Unsere Forschungsleistungen im Bereich der digitalen Signalverarbeitung für optische Kommunikationssysteme konzentrieren sich auf folgende Aspekte:

Entwicklung von Algorithmen für:

  • Trägerrückgewinnung und -synchronisation für fortschrittliche Modulationsverfahren
  • Lineare und nichtlineare Kanalschätzung
  • Kompensation linearer und nichtlinearer Signalstörungen
  • Linearisierung von elektrischen und optischen Komponenten
  • DSP-basierte Leistungsüberwachung und Charakterisierung von Bauelementen
  • Maschinelles Lernen

Produkte