Compensação de efeitos não lineares em interconectores ópticos utilizando DBSCAN

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGarde, Ivan Aritz Aldaya-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorPrisco, Kauane-
Data de aceite: dc.date.accessioned2025-08-21T16:16:33Z-
Data de disponibilização: dc.date.available2025-08-21T16:16:33Z-
Data de envio: dc.date.issued2024-11-08-
Data de envio: dc.date.issued2024-11-08-
Data de envio: dc.date.issued2024-10-29-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/258068-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/258068-
Descrição: dc.descriptionEste trabalho investiga a eficácia do algoritmo de agrupamento espacial baseado em densidade, conhecido como DBSCAN (Density-based spatial clustering of applications with noise), em combinação com o método K-ésimo Vizinho mais Próximo (K — Nearest Neighbors, KNN), para mitigar distorções não lineares em um sistema digital coerente com enlace de 175 km e modulação 16-QAM. A otimização dos hiperparâmetros aplicados resultou em melhorias significativas no desempenho do sistema. Os resultados mostram que o DBSCAN, quando utilizado isoladamente, apresentou altas taxas de erro de bit (Bit Error Rate, BER), enquanto a combinação DBSCAN+KNN demonstrou uma capacidade eficaz de classificar pontos ruidosos. Essa abordagem destaca a importância da classificação na melhoria da qualidade do sinal, contribuindo para a redução dos ruídos. Embora o método K-means tenha se mostrado uma alternativa competitiva, a combinação DBSCAN+KNN se destacou especialmente em condições de maior potência. Este estudo ressalta a relevância de estratégias híbridas de agrupamento e classificação para melhorar o desempenho de sistemas de comunicação óptica, evidenciando seu potencial para aplicações práticas em ambientes ruidosos.-
Descrição: dc.descriptionThis work investigates the effectiveness of the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm combined with K-Nearest Neighbors (KNN) for mitigating nonlinear distortions in a coherent digital system with a 175 km link and 16-QAM modulation. Optimizing the applied hyperparameters led to significant improvements in system performance.The results indicate that DBSCAN alone exhibited high Bit Error Rate (BER) values, whereas the DBSCAN+KNN combination demonstrated an effective ability to classify noisy points. This approach underscores the importance of classification in enhancing signal quality, contributing to a reduction in noise. Although K-means emerged as a competitive alternative, the DBSCAN+KNN method particularly excelled under higher power conditions.This study highlights the relevance of hybrid clustering and classification strategies in improving the performance of optical communication systems, emphasizing their potential for practical applications in noisy environments.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (UNESP)-
Direitos: dc.rightsinfo:eu-repo/semantics/openAccess-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectComunicações ópticas-
Palavras-chave: dc.subjectSistemas não lineares-
Título: dc.titleCompensação de efeitos não lineares em interconectores ópticos utilizando DBSCAN-
Título: dc.titleCompensation of nonlinear effects in optical interconnects using DBSCAN-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.