UNIVERSIDADE FEDERAL DO ESPRITO SANTO CENTRO TECNOLGICO DEPARTAMENTO DE ENGENHARIA ELTRICA PROJETO DE GRADUAO

ANLISE E OTIMIZAO DE SISTEMAS PTICOS COM AMPLIFICADORES RAMAN

GUSTAVO CARNELLI MARIOTTO FERREIRA

VITRIA ES DEZEMBRO/2008

GUSTAVO CARNELLI MARIOTTO FERREIRA

ANLISE E OTIMIZAO DE SISTEMAS PTICOS COM AMPLIFICADORES RAMAN

Parte manuscrita do Projeto de Graduao do aluno Gustavo Carnelli Mariotto Ferreira, apresentado ao Departamento de Engenharia Eltrica do Centro Tecnolgico da Universidade Federal do Esprito Santo, para obteno do grau de Engenheiro Eletricista.

VITRIA ES DEZEMBRO/2008

GUSTAVO CARNELLI MARIOTTO FERREIRA

ANLISE E OTIMIZAO DE SISTEMAS PTICOS COM AMPLIFICADORES RAMAN

COMISSO EXAMINADORA:

___________________________________ Prof. Dr. Maria Jos Pontes Orientadora ___________________________________ Carlos Eduardo Schmidt Castellani Co-orientador ___________________________________ Prof. Dr. Marcelo E. V. Segatto Examinador ___________________________________ Prof. Dr. Shirley P. Cani Examinador

Vitria - ES, 12 de dezembro de 2008

DEDICATRIA

minha famlia.

AGRADECIMENTOS

Gostaria de agradecer a todos que, de alguma forma, me ajudaram no desenvolvimento deste trabalho. Aos meus pais, por sempre esperarem o melhor de mim. minha namorada, por ter me dado total apoio e por ter me incentivado a todo o momento. A todos os meus amigos, sem eles acredito que no estaria nem na metade do curso ainda. Gostaria de agradecer especialmente aos meus orientadores, a professora Maria Jos e meu colega de graduao Dudu, ao professor Marcelo Segatto, e Shirley por terem me ensinado sobre os amplificadores Raman.

ii

LISTA DE FIGURAS Figura 1 Surgimento de tecnologias de comunicao em relao sua taxa de transmisso......................................................................................................................9 Figura 2 Perfil do ganho de Raman para fibras DCF, SMF e DSF [3]........................12 Figura 3 Sinal com amplificao distribuda (linha contnua) e sinal com amplificao discreta (linha pontilhada).............................................................................................13 Figura 4 Amplificador Raman com bombeio co-propagante..................................... 14 Figura 5 Amplificador Raman com bombeio contra-propagante................................15 Figura 6 Amplificador Raman com bombeio bi-direcional.........................................16 Figura 7 Grfico de cinco pontos de Ripple x Ganho On-Off Mdio para dois bombeios........................................................................................................................22 Figura 8 Fluxograma Tpico de um Algoritmo Gentico............................................26 Figura 9 Evoluo das curvas de fitness mximo e mdio para a funo x...............29 Figura 10 Evoluo das curvas de fitness mximo e mdio para a funo gaussiana.31 Figura 11 Evoluo de Ganho On-Off dos sinais nos Modelos Analtico e Numrico.......... ..........................................................................................................33 Figura 12 Interface Grfico para Anlise de sistemas pticos com Amplificadores Raman............................................................................................................................37 Figura 13 Interface Grfica com Resultados...............................................................39 Figura 14 Nuvem de Pontos para 2 Bombeios............................................................41 Figura 15 Nuvem de pontos para 4 bombeios.............................................................42 Figura 16 Curvas de Fitness para Ganho On-Off Mdio com 2 e 4 bombeios...........44 Figura 17 Curva de Fitness para Ripple......................................................................45 Figura 18 Evoluo do GA para amplificadores Raman com 2 bombeios..................46 Figura 19 Evoluo do GA para amplificadores Raman com 4 bombeios..................48 Figura 20 Evoluo do Ganho On-Off com relao ao comprimento de onda dos sinais............................................................................................................................49

iii

LISTA DE TABELAS Tabela 1 Casos para validao dos modelos numrico e analtico................................21 Tabela 2 Valores encontrados pelo algoritmo gentico e a gerao na qual foram obtidos...........................................................................................................................28 Tabela 3 Valores obtidos com o Algoritmo Gentico para obteno de uma gaussiana........................................................................................................................30 Tabela 4 Parmetros da fibra utilizada..........................................................................33 Tabela 5 Comparao do Ganho On-Off Mdio para os Modelos Analtico e Numrico.......................................................................................................................34 Tabela 6 Comparao do Ganho On-Off Mdio para os Modelos Analtico e Numrico Integrados......................................................................................................................35 Tabela 7 Tempo de processamento para as variaes do modelo numrico.................36 Tabela 8 Valores de Ganho On-Off Mdio e Ripple obtidos com o GA para 2 bombeios........................................................................................................................45 Tabela 9 Valores de Ganho On-Off Mdio e Ripple obtidos com o GA para 4 bombeios........................................................................................................................47 Tabela 10 Valores de comprimento de onda e potncia dos bombeios obtidos pelo Algorimto Gentico.......................................................................................................49

iv

SIMBOLOGIA MATLAB: Matrix Laboratory (Laboratrio de Matrizes); WDM: Wavelength Division Multiplexing (Diviso por multiplexao de comprimento de onda); EDFA: Erbium Doped Fiber Amplifier (Amplificador a fibra dopada com rbio) ASE: Amplified spontaneous emission (Amplificao da emisso espontnea); SMF: Singlemode fiber (Fibra monomodo); DCF: Dispersion compensating fiber (Fibra compensadora de disperso) DSF: Dispersion shifted fiber (Fibra de disperso deslocada) CW: Continuous wave (onda contnua). GA: Genetic Algorithm (algoritmo gentico).

SUMRIO DEDICATRIA........................................................................................................... I AGRADECIMENTOS ...............................................................................................II LISTA DE FIGURAS............................................................................................... III LISTA DE TABELAS .............................................................................................. IV SIMBOLOGIA............................................................................................................V SUMRIO ................................................................................................................. VI RESUMO................................................................................................................ VIII 1 2 2.1 2.2 2.3 2.4 INTRODUO ................................................................................................9 AMPLIFICADORES RAMAN.....................................................................11 Introduo...............................................................................................11 Amplificador Raman Distribudo...........................................................12 Amplificador Raman Discreto ...............................................................13 Configurao dos Bombeios ..................................................................14 2.4.1 Bombeio Co-propagante.......................................................................14 2.4.2 Bombeio Contra-propagante.................................................................15 2.4.3 Bombeio Bi-direcional .........................................................................15 2.5 3 3.1 3.2 3.3 3.4 3.5 4 4.1 4.2 4.3 Concluses .............................................................................................16 CDIGOS DE ANLISE..............................................................................18 Introduo...............................................................................................18 Modelo Numrico ..................................................................................18 Modelo Analtico....................................................................................20 Unificando os Modelos ..........................................................................21 3.4.1 Resposta dos Modelos ..........................................................................21 Concluso ...............................................................................................22 ALGORITMO GENTICO..........................................................................23 Introduo...............................................................................................23 Descrio do algoritmo ..........................................................................23 Validao do Algoritmo .........................................................................26 4.3.1 Funo x ..............................................................................................27 vi

4.3.2 Funo Gaussiana .................................................................................29 4.4 5 5.1 5.2 5.3 Concluses .............................................................................................31 SIMULAES E RESULTADOS ...............................................................32 Introduo...............................................................................................32 Comparao entre Resposta do Modelo Analtico e Numrico .............32 5.2.1 Ganho On-Off Mdio, Ripple e Tempo de Processamento ..................33 Acelerao do Modelo Numrico ..........................................................34 5.3.1 Tempo de Processamento para Numrico Integrado............................35 5.3.2 Comparaes.........................................................................................36 5.4 5.5 Interface Grfica para Usurio ...............................................................37 Algoritmos de Otimizao .....................................................................39 5.5.1 Nuvem de Pontos..................................................................................40 5.5.1.1 Amplificador Raman com Dois Bombeios ..........................................40 5.5.1.2 Amplificador Raman com Quatro Bombeios ............................................40 5.5.2 Otimizao usando Algoritmo Gentico.................................................43 5.5.2.1 Amplificador Raman com Dois Bombeios ............................................40 5.5.2.2 Amplificador Raman com Quatro Bombeios .........................................40 5.5.3 Comparao de Resultados...................................................................48 5.6 6 Concluses .............................................................................................50 CONCLUSES FINAIS................................................................................51

REFERNCIAS BIBLIOGRFICAS.....................................................................52 ANEXO .......................................................................................................................52

vii

RESUMO O presente Projeto de Graduao tem como objetivos analisar e otimizar sistemas pticos contendo amplificadores Raman. So estudados amplificadores Raman na configurao distribuda, com bombeios contra-propagantes. So utilizadas rotinas, desenvolvidas no Laboratrio de Telecomunicaes da UFES (LABTEL) que so agrupadas em um nico programa de software. Obtm-se a partir do novo cdigo a soluo de um modelo numrico e de um modelo analtico de propagao de sinais para descrever amplificadores Raman e gerar resultados de simulao que possam auxiliar na anlise dos sistemas em questo. Uma das modificaes realizadas utilizar o modelo analtico como chute inicial para obter a soluo a partir do modelo numrico. Com isso, o tempo de processamento pode ser reduzido. Alm disto, rotinas de otimizao baseadas em busca exaustiva e algoritmos genticos foram utilizadas na definio dos parmetros desejados e projeto do amplificador Raman visando a obteno de resultados especficos. Uma das contribuies deste trabalho foi a proposio de algumas funes utilizadas na otimizao a partir de um algoritmo gentico.

viii

INTRODUO
A expanso da internet acarretou em um crescimento no nmero de usurios

online, o que gera um consumo cada vez maior de largura de banda, devido transmisso de dados envolvendo vdeo e imagens. Na tentativa de suprir as necessidades crescentes de taxa de transmisso, surgiram as redes de transmisso pticas, capazes de transmitir sinais digitais da ordem de dezenas de Gb/s com baixa atenuao, alm de serem menos suscetveis a interferncias eletromagnticas[1]. O crescimento da demanda e a necessidade de se implantar redes com distncias cada vez maiores foi observado j no final dos anos 1980. Contudo, a capacidade de transmisso de tais sistemas era limitada pelo efeito de atenuao. Sendo assim, passaram a utilizar regeneradores pticos, em que o sinal ptico era convertido em sinal eltrico, redigitalizado e convertido novamente em sinal ptico para ser transmitido. Com o advento de sistemas WDM (Wavelength-Division Multiplexing) [2], utilizado para aumentar as taxas de transmisso, esse tipo de regenerao ficou muito cara, pois para cada comprimento de onda utilizado no sistema WDM seria necessrio haver um regenerador. Para contornar os problemas de custo e possibilitar o aumento das taxas de transmisso, iniciaram-se investimentos em amplificadores pticos. A Fig. 1 ilustra essa evoluo da taxa de transmisso em sistemas de comunicaes ao longo dos anos.

Figura 1 - Surgimento de tecnologias de comunicao em relao sua taxa de transmisso

10 Durante as dcadas de 1980 e 1990 surgiram os amplificadores pticos, como o amplificador Raman [3] e os amplificadores a fibra dopada com rbio - EDFA (Erbium Doped Fiber Amplifier) [4]. Nos primeiros anos, mesmo apresentando vantagens, os amplificadores Raman no foram incorporados s redes, uma vez que dependiam de lasers de potncia mais elevada, os quais no existiam ainda. Deu-se preferncia aos EDFAs pelo fato deles terem uma evoluo mais rpida. No final da dcada de 1990, os avanos na rea de lasers tornaram possvel a utilizao de amplificadores Raman. Eles apresentavam vantagens como maior flexibilidade de banda, alm da possibilidade de implement-los em fibras j instaladas. Sendo assim, os amplificadores Raman passaram a ser implementados em enlaces que j contm amplificadores EDFA. Para atender s demandas de amplificao de sinais e de Ripple em canais de comunicao pticos, necessrio otimizar a forma de aplicao dos amplificadores no sistema a ser analisado. Para isso, necessrio um conhecimento do funcionamento de tais amplificadores, assim como dispor de um cdigo computacional capaz de analisar diversas implementaes de sistemas com amplificadores Raman, gerando assim uma resposta satisfatria s necessidades de operao do sistema. Este projeto foi realizado em conjunto com uma pesquisa requerida pela empresa PADTEC, na qual so realizadas anlises de sistemas pticos com amplificadores Raman. Como uma extenso, realizou-se a otimizao de amplificadores Raman presentes em determinados sistemas, definindo os comprimentos de onda e potncias de mltiplos bombeios. Nos captulos a seguir, so mencionados aspectos tericos do funcionamento de amplificadores Raman, assim como os cdigos utilizados para analisar os sistemas que os utilizam. Descreve-se tambm o modelo de interface grfica utilizada para facilitar a anlise destes sistemas e o funcionamento de um algoritmo gentico, que foi utilizado para otimizar os amplificadores.

11

AMPLIFICADORES RAMAN

2.1 Introduo Os amplificadores Raman so dispositivos comerciais relativamente recentes, capazes de amplificar sinais pticos, graas a um efeito conhecido por espalhamento Raman [5]. Tal efeito consiste basicamente em trocas de energia entre ftons da luz incidente e molculas do meio de propagao, no caso a fibra ptica. Apesar de tal efeito j ser conhecido h mais tempo, somente na dcada de 1990 passou a ser utilizado como amplificador em fibra, devido ao surgimento de lasers semicondutores com potncias relativamente altas, da ordem de centenas de mW. Os amplificadores Raman vm sendo muito utilizados em sistemas pticos devido a alguns fatores que podem ser considerados vantajosos em relao a outros amplificadores como os EDFAs, entre eles esto, a capacidade de se utilizar a prpria fibra instalada para compensar as perdas, a capacidade de proporcionar ganho em uma banda extensa de comprimentos de onda (1530nm 1620nm) com a escolha adequada de alocao do bombeio. H possibilidade de ampliar e tornar mais plana a banda de amplificao na medida em que se adicionam novos lasers de bombeio ao amplificador. Diferentes curvas da efiecincia de ganho Raman em funo do deslocamento de frequncia esto ilustradas na Fig. 2. Pode-se perceber que, para todos os casos, fibras monomodo padro (SMF Singlemode Fiber), fibras com disperso deslocada (DSF Dispersion Shifted Fiber) e fibras compensadores de disperso (DCF Dispersion Compensating Fibers) o mximo ocorre em um espaamento de 13,1 THz, aproximadamente 100 nm. Sendo assim, a alocao do bombeio dever ser, em geral, 100nm abaixo do comprimento do sinal a ser amplificado, na inteno de maximizar seu ganho.

12

Figura 2 - Perfil do ganho de Raman para fibras DCF, SMF e DSF [3]

Os amplificadores Raman podem ser encontrados em dois tipos de configuraes bsicas: amplificao distribuda e amplificao discreta. Para a primeira, o sinal amplificado ao longo de toda a fibra do enlace, enquanto para a segunda, a amplificao confinada em uma determinada regio. Assim como a configurao do amplificador, a configurao dos bombeios pode variar de acordo com o posicionamento. No caso dos bombeios estarem alocados no incio da fibra e se propagarem no mesmo sentido do sinal, temos a configurao de bombeio copropagante, no caso de estarem posicionados no final da fibra e se propagando no sentido contrrio, tem-se a configurao de bombeio contra-propagante, j quando os bombeios se encontram tanto no incio quanto no final da fibra e se propagam em ambos os sentidos denomina-se bombeio bi-direcional [3]. 2.2 Amplificador Raman Distribudo O termo amplificao distribuda faz referncia ao fato de que tal mtodo transfere, ao longo de toda a fibra, potncia dos bombeios para os sinais, o que contrabalancear as perdas em todos os pontos ao longo da fibra. Como conseqncia desse processo, a relao sinal-rudo ptica (OSNR - Optical Signal-to-Noise Ratio) apresenta melhores resultados em comparao aos amplificadores discretos, descritos no seo 2.3. Uma das vantagens de se utilizar amplificadores distribudos vem do fato

13 deles apresentarem uma OSNR melhor, alm de estarem menos suscetveis aos efeitos no-lineares, provenientes de ganhos muito altos. Com isto, obtemos um sinal amplificado ao longo de toda a fibra, e que no oscila entre valores muito altos e muito baixos, evitando as reas de rudo e de efeitos no-lineares que distorceriam os sinais, como ilustrado na Fig. 3.

Figura 3 - Sinal com amplificao distribuda (linha contnua) e sinal com amplificao discreta (linha pontilhada)

2.3 Amplificador Raman Discreto O amplificador Raman discreto consiste em concentrar, em uma determinada regio de fibra, a potncia de bombeio, ou seja, concentrar em um trecho isolado a amplificao do sinal de forma a obter altos valores de ganho. O ganho obtido est diretamente relacionado eficincia de ganho Raman da fibra envolvida na Fig.2. Normalmente, essa configurao utilizada em fibras de maior ganho, como a DCF, garantindo assim um ganho considervel. Os amplificadores Raman discretos apresentam algumas vantagens em relao aos amplificadores Raman distribudos. Um vantagem que esta configurao apresenta um ganho mais elevado, j que sua amplificao pode ser obtida em fibras de alto ganho, como nas fibras DCF mostradas na Fig. 2. Porm, conforme ilustrado pela Fig. 3, como nos amplificadores discretos o sinal experimenta valores de potncia muito baixas e outros valores muito elevados, o sinal acaba sofrendo grande influncia de rudos e efeitos no-lineares.

14

2.4 Configurao dos Bombeios De acordo com o que foi descrito na introduo deste captulo, existem trs configuraes bsicas para os bombeios em sistemas com amplificadores Raman. Cada uma das configuraes est diretamente relacionada ao posicionamento dos bombeios na fibra e a relao entre os sentidos de propagao dos bombeios e sinais. Deve-se levar em conta que, para cada diferente configurao, o ganho obtido e a amplificao se d pelo efeito de SRS (Stimulated Raman Scattering), ou seja, espalhamento Raman estimulado. 2.4.1 Bombeio co-propagante Esta configurao est representada na Fig. 4 e consiste em posicionar o laser de bombeio no incio da fibra para que o bombeio se propague no mesmo sentido do sinal. Sendo assim, uma boa parte do processo de amplificao ocorre no incio da fibra, uma vez que o bombeio apresenta maiores nveis de potncia em pontos mais prximos de onde o bombeio est localizado.

Figura 4 Amplificador Raman com bombeio co-propagante

A maior vantagem desta configurao que boa parte do rudo ASE (emisso espontnea amplificada) gerada logo no incio da fibra e, dessa forma, esse rudo se propagar ao longo da fibra at a sada, juntamente com o sinal sofrendo atenuao e chegando ao receptor com valores de potncia bem reduzidos, garantindo assim um valor melhor para a OSNR.

15 2.4.2 Bombeio Contra-propagante A configurao contra-propagante, conforme ilustra a Fig. 5, consiste em posicionar o laser de bombeio no final da fibra ptica, de forma que ele se propague no sentido contrrio ao do sinal. Nessa situao, a parte significativa do processo de amplificao do sinal ocorre no final da fibra, devido ao mesmo fato descrito para bombeios co-propagantes em que a amplificao maior prximo aos lasers de bombeio.

Figura 5 Amplificador Raman com bombeio contra-propagante

A maior vantagem desta configurao vem do fato de que nela o sinal no apresenta, em nenhum momento, valores muito elevados, j que na amplificao o sinal j est bastante atenuado, evitando assim efeitos no lineares indesejados. Contudo, maior potncia de bombeio na sada da fibra tambm implica em ter maior rudo ASE gerado prximo do receptor, o que faz com que os valores de OSNR sejam normalmente mais baixos. 2.4.3 Bombeio Bi-direcional A Fig. 6, representa uma configurao de bombeio bi-direcional, que consiste em posicionar um laser de bombeio no incio e outro no final da fibra, tendo assim bombeios se propagando em ambos os sentidos. Com isso, o sinal ser fortemente amplificado tanto no incio quanto no final da transmisso.

16

Figura 6 Amplificador Raman com bombeio bi-direcional

Por apresentar lasers de bombeio tanto no incio quanto no final da fibra, esta configurao apresenta um bom OSNR, como o da configurao co-propagante e uma baixa suscetibilidade a efeitos no-lineares devido configurao contra-propagante. Tal compromisso realizvel atravs de escolhas da relao de potncia do bombeio no incio e no final da fibra. A desvantagem a de que necessrio o dobro de lasers, sendo assim, economicamente menos vivel. 2.5 Concluses Conforme apresentado neste captulo, existem diversas formas de se projetar sistemas com amplificadores Raman, cada qual apresentando vantagens e desvantagens especficas. Sendo assim, tem-se que o tipo de configurao utilizada escolhida em funo da aplicao na qual se tem interesse. Para os casos analisados neste trabalho, so considerados amplificadores Raman somente na configurao distribuda com bombeios contra-propagantes e sinais CW (Continuous Wave). Inicialmente, faremos uma anlise de tais sistemas atravs de cdigos computacionais, que envolvem a resoluo de modelos numrico e analtico. Rigorosamente, o primeiro mais preciso e o segundo mais rpido, porm ambos apresentam respostas aceitveis. Posteriormente, os cdigos sero unificados, de forma a acelerar o tempo de processamento do cdigo numrico e integrados a uma interface grfica. Na segunda parte deste trabalho, apresenta-se o desenvolvimento de um algoritmo gentico que possibilitar a otimizao de sistemas contendo amplificadores

17 Raman, obtendo-se, de forma satisfatria, como resultados os comprimentos de onda e os valores de potncia para a alocao correta dos lasers de bombeio.

18

CDIGOS DE ANLISE

3.1 Introduo Devido ao fato de as equaes de propagao no serem de fcil resoluo, surgiram modelos para resolver computacionalmente o sistema de equaes que descreve os amplificadores Raman, de forma que o processo de anlise de tais sistemas fosse mais rpido mantendo a preciso desejada. Com esta finalidade, implementou-se um modelo numrico de soluo e, posteriormente desenvolvido um modelo analtico, sendo ambos capazes de descrever o funcionamento dos amplificadores Raman. As diferenas de cada modelo provm do fato de o modelo numrico considerar muitos efeitos de atenuao e de no-linearidade envolvidos na propagao ao longo da fibra e no processo de amplificao, enquanto o modelo analtico desconsidera alguns desses fatores. Assim, o modelo numrico apresenta uma resposta mais precisa, enquanto o analtico permite obter uma resposta mais rpida. A seguir, descreveremos um pouco esses modelos e, depois, demonstraremos que as respostas de ambos so comparveis e como as duas foram utilizadas em um nico cdigo dentro de uma interface grfica. 3.2 Modelo Numrico O modelo numrico [6] utilizado para realizar a anlise do amplificador tomou por base as equaes de evoluo das potncias, dada na equao (1). Neste modelo, foram considerados os efeitos de ASE (Amplified Spontaneous Emission).

(1)

19

(2)

(3) Na equao (1), P representa a potncia, enquanto que os sub-ndices s e p representam que os smbolos fazem referncia a sinais ou bombeios. Os smbolos , g e Ne representam, respectivamente, a atenuao, o coeficiente de ganho Raman e o valor de rudo. As equaes (2) e (3) representam a evoluo da potncia dos sinais, onde (2) representa o sinal transmitido e (3) o sinal espalhado. A equao (1) governa a propagao dos bombeios e sinais ao longo da fibra, considerando os efeitos de atenuao e efeitos no-lineares. Esto sendo considerados os efeitos de gerao e amplificao do rudo de emisso espontnea gerado na freqncia do sinal. Para solucionar essa equao, utilizou-se o software Matlab, atravs de uma rotina computacional para resolver essas equaes diferencias. Um dos pontos importantes para a resoluo de tais equaes diferenciais a necessidade de chutes, nos valores iniciais, para que elas possam convergir para os valores corretos. Com esse cdigo, fica possvel mensurar a evoluo dos sinais ao longo da fibra, assim como o seu valor ao final da transmisso na sada da fibra, possibilitando assim verificar o Ganho On-Off Mdio e o Ripple de acordo com a amplificao para cada comprimento de onda de sinal. O ganho de sinal calculado a partir da expresso G = P+sout/P+sin, onde P+sin a potncia de sinal acoplada na entrada da fibra e P+sout a potncia medida na sada da fibra. O ganho On-Off dado por GOn-Off = P+sout/(P+sin*e-.L).
P

O Ripple descreve a diferena entre o maior e o menor ganho para os comprimentos de onda dos sinais.

20 3.3 Modelo Analtico O modelo analtico [7] foi desenvolvido posteriormente implementao do modelo numrico, visando gerar um cdigo computacional de resposta mais rpida e capaz, de ainda assim, obter uma resposta aceitvel, mesmo que desconsiderando alguns dos efeitos da amplificao. A equao que governa a evoluo das potncias de bombeio, pela qual resolvemos este modelo descrita em (4).
P ( z ) = P ( L ) exp ( L z ) 1 exp ( z ) ( , ) exp ( , ) > ( , ) 1 exp ( z ) ( , ) exp ( , ) . < , ( )

(4)

Na

equao

(3),

temos

que

( , ) = C R , P (L) ,

( z ) = - 1- exp - ( L - z )

C R , P ( L ) / C R , P ( L ) on C o ( ) e ( , ) = < >

coeficiente de ganho Raman, o coeficiente de atenuao e o fator de polarizao. O ganho On-Off dado pela equao (5).
L CR , Gon off ( , L ) = 10 log exp P ( z ) dz . 0 NP

(5)

Da mesma forma que para o modelo numrico, foi utilizado o software Matlab para resolver a equao (4). Para esta rotina, no so considerados alguns efeitos como o rudo ASE e retro-espalhamento Rayleigh. Ainda assim, os resultados obtidos convergem para valores muito prximos aos valores obtidos no modelo numrico. Diferentemente do modelo numrico, este modelo no necessita de valores usados como chutes iniciais. Contudo, com ele podemos obter de forma idntica o Ganho On-Off Mdio e o Ripple, permitindo a anlise do sistema considerando um grande nmero de combinaes de parmetros de entrada e para vrios comprimentos de onda de sinal.

21 3.4 Unificando os Modelos Com a inteno de realizar uma anlise completa do sistema com amplificadores Raman para a utilizao dos resultados em um projeto realizado em conjunto com a empresa PADTEC, foi necessrio encontrar uma forma de acelerar as respostas obtidas com o modelo numrico de modo que atendesse a requisitos prdefinidos. Dessa forma, a melhor forma de acelerar a resposta do modelo numrico era o de encontrar valores de chutes mais prximos aos valores em que o sistema convergiria. O sistema analisado corresponde a um amplificador Raman distribudo e montado com configurao de bombeios contra-propagantes. 3.4.1 Resposta dos Modelos Com esta finalidade, foi proposto que a forma ideal de acelerar o processo de soluo do modelo numrico seria definir precisamente os valores de chutes, fazendo assim com que a convergncia do cdigo fosse atingida em menos tempo. Como o modelo analtico encontrava respostas muito prximas ao modelo numrico quando no ocorrem variaes na potncia de sinal para cada entrada, resolveu-se utilizar os valores de propagao de bombeio encontrados no modelo analtico na tentativa de acelerar a resoluo do modelo numrico. Sendo assim, para verificar a concordncia de ambos os modelos, analisamos um sistema em que teramos dois bombeios alocados em 1440nm e 1450nm, com potncias variando nos valores de 100mW, 200mW, 300mW, 400mW e 500mW para cada. Considerou-se com canais de entrada 20 sinais igualmente espaados, localizados entre 1500nm e 1600nm. A Figura 7 ilustra os valores de Ganho On-Off Mdio e Ripple para 5 casos diferentes.
Tabela 1 Casos para validao dos modelos numrico e analtico

Casos Potncias [mW]

1 100

2 200

3 300

4 400

5 500

22

15

12 Ganho On-Off Mdio [dB] 5 9 4

6 2 3 1

Analtico Numrico 0 2 4 6 8 10 12 Ripple [dB] 14 16 18 20

Figura 7 Grfico de cinco pontos de Ripple x Ganho On-Off Mdio para dois bombeios

Portanto, torna-se possvel utilizar os valores obtidos no modelo analtico e aplic-los ao modelo numrico, permitindo obter uma soluo mais rpida e atendendo as necessidades do projeto. 3.5 Concluso Neste captulo, foram apresentados os modelos de propagao dos sinais para os amplificadores Raman. Ambos os modelos incluem iteraes entre bombeios e sinais. Para comprovar a concordncia da resposta para ambos os modelos, apresentou-se a resposta obtida com cada modelo e a variao obtida entre eles.

23

ALGORITMO GENTICO

4.1 Introduo Algoritmos genticos (GA) [8] so algoritmos de otimizao que envolve soluo numrica inspirados pelo processo de seleo natural e gentica. Por ser um mtodo genrico, existem inmeras aplicabilidades. O algoritmo relativamente simples, sendo de fcil entendimento e requerendo um cdigo pequeno para a sua implementao. O surgimento dos algoritmos genticos remete dcada de 60, e pode-se considerar que foram criadas, essencialmente, por John Holland [8]. A partir de ento, diversas aplicabilidades de algoritmos genticos foram e esto sendo analisadas. Contudo, comum que se tenha uma viso equivocada dos algoritmos genticos, no sentido de acreditar que eles tm por funo, unicamente, a otimizao. Na realidade, so diversas as reas em que algoritmos genticos podem ser explorados, sendo as principais: - ajudar a compreender alguns processos e dinmicas da evoluo natural; - cientistas na rea de computao interessados em aprimorar tcnicas de sistemas adaptativos - pessoas interessadas em utilizar os GAs, como uma forma de resolver problemas de difcil modelagem. Este trabalho tem por interesse a anlise de algoritmos genticos exclusivamente para a otimizao de sistemas com amplificadores Raman, encaixando-se, assim, no terceiro caso descrito acima.

4.2 Descrio do algoritmo O algoritmo gentico utilizado para este projeto tem por finalidade otimizar um determinado problema de acordo com determinados padres definidos pelo problema a ser otimizado. Contudo, o GA que foi implementado no se limita a um nico caso, porm, pode ser utilizado para diversos problemas, uma vez que seus conceitos so os mesmos para qualquer problema a ser analisado.

24 Assim, temos que todos os algoritmos genticos contm tipicamente as seguintes partes: 1 uma populao inicial de solues para o problema; 2 uma forma de calcular quo boa ou ruim cada uma das solues individuais dentro da populao; 3 um mtodo de misturar fragmentos de solues para formar novas e, em geral, melhores solues; 4 um operador de mutao para evitar a perda permanente de diversidade dentro do grupo de solues. Dessa forma, o algoritmo gentico implementado foi desenvolvido em partes, em que, a cada momento, uma dessas etapas era processada e, posteriormente, suas respostas serviam de base para o prximo passo. Nos prximos pargrafos, descreveremos brevemente os passos do GA. Primeiramente, so definidos os parmetros do sistema, como tamanho da populao a ser analisada, o nmero de geraes, e outros parmetros de entrada referentes tanto ao GA quanto ao problema em questo. O Anexo parte I demonstra a inicializao do cdigo. A partir desses dados, gerada a populao inicial que ser uma matriz de tamanho pop x n, em que pop representa o tamanho da populao e n o tamanho dos parmetros a serem analisados. A partir de ento, o GA inicia um loop que se repetir at que se tenham atingido o nmero de geraes definidas nos parmetros de entrada. Dentro deste loop, o cdigo realizar o crossover (as interaes entre indivduos) e a mutao (ambos a partir da segunda gerao somente). Em seguida, organizar os elementos e em seguida definir os fitness de cada indivduo, reiniciando, enfim, o ciclo, como demonstra o Anexo parte II. medida que os melhores valores surgem, eles so armazenados e substitudos em uma struct. Para o melhor entendimento do GA, sero descritos, brevemente, os processos de reproduo, crossover, mutao e fitness.

25 Reproduo: depois de j definidos os fitness de uma populao, ela passar pelo processo de reproduo na gerao seguinte. Tal processo consiste em selecionar, aleatoriamente, um par de indivduos para sofrerem ou no os processos de crossover e mutao, necessrios para a evoluo do algoritmo. Nesse processo, a escolha dos pares feita de forma que a probabilidade de escolha de um indivduo esteja diretamente ligada ao seu valor de fitness. Sendo assim, quanto melhor a resposta de determinado indivduo, maiores as chances dele ser escolhido para a reproduo. Crossover: depois de selecionados os pares de indivduos, o algoritmo passa ao processo de crossover. Este processo funciona baseado em probabilidade de cruzamento. Cada par de indivduos tem uma probabilidade pr-definida, neste caso, de 70% de realizar crossover. Caso acontea o crossover, ser definido de forma aleatria um ponto dos indivduos onde ocorrer o cruzamento de informaes, passando assim para a prxima gerao, os dois indivduos pais (iniciais) e dois indivduos filhos (resultantes do cruzamento). Esse processo repetido at se completar uma nova populao de nmero igual de indivduos. Mutao: para cada indivduo filho gerado pelo crossover, existe a probabilidade de que esses passem pelo processo de mutao. Cada um deles recebe um valor aleatrio que, caso esteja dentro da probabilidade de mutao (que prdefinida), indica a realizao da mutao. O processo consiste em selecionar aleatoriamente um dos bits do indivduo e invert-lo. Ou seja, caso o bit seja 1 ir para 0. Fitness: o processo de fitness consiste em avaliar cada um dos indivduos da populao que est sendo analisada e definir um valor de aptido, ou seja, existe um valor numrico que atribudo para o indivduo de acordo com a qualidade de resposta que esse obtm. Outro processo que pode ser considerado importante em Algoritmos Genticos o elitismo. O elitismo uma funo que, em geral, utilizada de acordo com o usurio do cdigo, sendo possvel habilit-lo ou no. Quando habilitado, ele consiste em garantir que o melhor indivduo da populao em anlise ir prosseguir para a

26 prxima gerao. Ou seja, o indivduo de melhor fitness ir prosseguir para a prxima gerao independente do fato de ter sido selecionado pelo processo de Roullete Wheel. Na Fig. 8 ilustra-se o fluxograma de um algoritmo gentico, de forma que se possa ter uma viso mais clara da metodologia empregada em tais ferramentas.

Figura 8 Fluxograma Tpico de um Algoritmo Gentico

Aps o trmino de geraes, o cdigo retornar ao valor que representa a melhor resposta para o sistema em anlise, de acordo com as propostas de fitness. Para validar o cdigo implementado, foram feitos dois testes, sendo o primeiro utilizando uma funo simples e uma segunda ligeiramente mais complexa, ambas com respostas j conhecidas. Essas validaes esto descritas a seguir. 4.3 Validao do Algoritmo Para a implementao de um algoritmo gentico capaz de resolver o problema de otimizao de sistemas pticos com amplificadores Raman, foi necessrio

27 inicialmente criar um algoritmo capaz de resolver problemas de soluo mais simples, na inteno de validar o funcionamento do mesmo. Com esse intuito, o cdigo foi inicialmente criado para resolver uma funo simples em que a resposta j era conhecida. O cdigo tambm foi criado de forma parcial, sendo que as sub-rotinas foram introduzidas aos poucos para, somente aps vrios testes com cada sub-rotina, poder gerar um cdigo unificado. Aps verificar a funcionalidade do algoritmo para uma funo simples, passou-se a analisar o seu funcionamento para uma funo um pouco mais complexa. Aps a validao do GA, pode-se aplic-lo ao problema de otimizao de amplificadores Raman. importante frisar que para todos os casos em que o GA foi utilizado, o elitismo era considerado. 4.3.1 Funo x Para o primeiro teste de aplicabilidade do algoritmo gentico, procuraram-se utilizar umas funes simples, cuja resposta j fosse previamente conhecida, de forma a facilitar a qualidade da resposta obtida em relao quela esperada. Dessa forma, a funo escolhida foi x, tendo x variando entre 0 e 4095 por ser o valor mximo inteiro para um nmero binrio contendo 12 bits. Para esta funo, a inteno do algoritmo gentico era a de trabalhar unicamente com valores inteiros que seriam transformados para dgitos binrios, para as sub-rotinas de crossover e mutao, e atingir com o passar das geraes a resposta com o maior valor possvel para x. Contudo, o algoritmo no necessariamente deveria chegar sempre ao valor mximo de 16769025, que seria o valor de 4095, porm, na maioria dos casos analisados, a resposta obtida com o algoritmo gentico deveria estar prxima a esse valor, o que garantiria a convergncia do algoritmo para o melhor caso possvel. Na Tabela 2, mostrado o resultado de 5 casos em que foram rodadas 200 geraes do GA para a otimizao da funo x, o que demonstra a sua convergncia

28 para o melhor resultado (todos os casos so elitistas, ou seja, os dois melhores indivduos so preservados).
Tabela 2 Valores encontrados pelo algoritmo gentico e a gerao na qual foram obtidos

Caso 1 Meta x Gerao 4095 4095 54

Caso 2 4095 4095 55

Caso 3 4095 4095 38

Caso 4 4095 4095 31

Caso 5 4095 4095 52

Nos casos 1, 2 e 5 foram necessrias 54, 55 e 52 geraes respectivamente para se obter o valor mximo. J para os casos 3 e 4, foi possvel atingir a resposta mxima em um nmero menor de geraes, sendo 38 para o caso 3 e 31 para o caso 4. Sendo assim, fica possvel perceber que o GA, considerando o elitismo, tem a tendncia a encontrar o valor mximo para funes de otimizao simples, uma vez que para todos os casos testados o resultado obtido foi o mximo esperado. Pode-se verificar tambm que a convergncia do algoritmo rpida, uma vez que em todos os casos chegou-se ao resultado mximo em menos de 60 geraes. A Fig. 9 mostra um grfico da convergncia do GA, onde se observa a evoluo das curvas de fitness mximo e mdio para a funo x.

29
1.8 x 10
7

1.6

1.4

1.2 x 1 0.8 0.6

0.4

Fitness mximo Fitness mdio x mximo 0 20 40 60 80 100 120 Geraes 140 160 180 200

Figura 9 Evoluo das curvas de fitness mximo e mdio para a funo x

4.3.2

Funo Gaussiana Aps os testes realizados para a funo x, o prximo passo foi analisar o

funcionamento do algoritmo gentico para solucionar um problema mais complexo. Por isso, decidiu-se por utilizar uma curva gaussiana. Para a funo gaussiana, primeiramente definida pela equao (6).
2

y = Ae

x xd x o

(6)

Os valores a serem otimizados so os valores A, xd e xo, que para a funo padro foram definidos como 3, 5 e 4 respectivamente. Esses mesmos valores podem variar dentro do algoritmo gentico entre os seguintes valores: A entre 0 e 5, xd entre 0 e 10, e xo entre 1 e 5. Nesse caso, o algoritmo gentico trabalhar com mais de um parmetro para otimizar, assim como no caso dos amplificadores Raman, porm com o nico objetivo de minimizar o erro quadrtico. A Tabela 3 mostra os valores obtidos para 5 casos analisados do algoritmo gentico e suas respectivas respostas em relao aos valores pr-definidos. Vale

30 lembrar que por ser a otimizao de uma funo mais complexa, so realizadas 1000 geraes ao invs de 200 como para a funo x.
Tabela 3 Valores obtidos com o Algoritmo Gentico para obteno de uma gaussiana

Caso 1 A xd xo Gerao
2,9683 5,0012 4,0310 206

Caso 2
3,0085 5,0012 3,9900 510

Caso 3
3,1258 4,9988 3,8669 644

Caso 4
2,8120 4,9988 4,2225 508

Caso 5
2,4994 4,9988 4,6874 482

Pode-se observar na Tabela 3, que nos 5 casos gerados, os valores obtidos para cada um dos parmetros bem prximo ao valor pr-definido da gaussiana padro, sendo que o caso com maior diferena o 5, que ainda assim relativamente prximo do valor esperado. importante ressaltar que para este caso trabalhou-se com nmeros reais, diferentemente dos casos para a funo x, o que acabou fazendo com que os valores codificados e decodificados para nmeros binrios atingissem com menor probabilidade os valores exatos. A Fig. 10 mostra a curva de convergncia para a funo gaussiana.

31
3500

3000

2500

Fitness

2000

1500

1000

500 Fitness mximo Fitness mdio 0 100 200 300 400 500 600 Geraes 700 800 900 1000

Figura 10 - Evoluo das curvas de fitness mximo e mdio para a funo gaussiana

4.4

Concluses Neste captulo foram apresentados os princpios de funcionamento do

algoritmo gentico, assim como a sua implementao e validao. Contudo, todos os sistemas discutidos neste captulo servem somente para demonstrar que o algoritmo gentico uma ferramenta extremamente funcional para a otimizao de problemas em reas diversas e que o mesmo tende a achar boas respostas para diferentes sistemas, sendo necessrio ajustar somente a funo com a qual trabalhar. Sendo assim, podemos garantir que o algoritmo gentico descrito acima funcional e capaz de encontrar valores timos dentro de espaos amostrais. No entanto, em ambos os casos, a anlise do fitness leva em conta somente um objetivo, enquanto para os sistemas operando com amplificadores Raman buscaremos a maximizao do Ganho Mdio On-Off e a obteno de um Ripple menor do que 1 dB. Logo, trataremos de um problema multi-objetivo, o que cria uma dificuldade maior para se criar uma funo fitness eficiente.

32

5
5.1

SIMULAES E RESULTADOS
Introduo Utilizando-se dos modelos apresentados no captulo 3 e o algoritmo gentico

descrito no captulo 4, foram feitas algumas simulaes com o intuito de analisar, no primeiro caso, o tempo de processamento necessrio para a anlise dos sistemas operando com amplificadores Raman e, no segundo caso, a capacidade de otimizao do algoritmo gentico para sistemas multi-objetivo. Na seqncia deste captulo, descrevemos as respostas obtidas pelos modelos analtico e numrico e seus respectivos tempos de processamento. Posteriormente, analisaremos o efeito de unificar os cdigos analtico e numrico e o funcionamento da interface grfica. Ao final, descreveremos os mtodos de otimizao que foram analisados, sendo eles a explorao do espao de soluo a partir da realizao de uma busca exaustiva, que explora a regio de atuao de amplificadores pticos com determinados parmetros, e o algoritmo gentico. 5.2 Comparao entre Resposta do Modelo Analtico e Numrico Os parmetros definidos para esta anlise tais como o nmero de lasers de bombeio, potncia e comprimentos de onda e canais de entrada foram os mesmos determinados na validao feita no captulo 3. O sistema composto por um amplificador Raman distribudo em fibra SMF, com 2 bombeios contra-propagantes com as mesmas potncias e iguais a 300mW, tendo um espaamento de 10nm (1440nm o primeiro e 1450nm o segundo). J para os sinais, foram escolhidos 20 sinais dentro da faixa de 1500nm a 1600nm, igualmente espaados de 5nm. A Tabela 4 mostra os parmetros da fibra utilizados nas simulaes.

33
Tabela 4 - Parmetros da fibra utilizada

SMF Atenuao em 1550 nm (dB/km) Atenuao em 1450 nm (dB/km) Coeficiente de ganho mximo CR (1/W/km) L (km) Aeff em 1550 nm (m2) Aeff em 1450 nm (m2) 0,1892 0,2261 0,4 100,00 69,40 x 10-12 76,32 x 10-12

5.2.1 Ganho On-Off Mdio, Ripple e Tempo de Processamento O Ganho On-Off mostra o quanto de ganho o amplificador adiciona ao sinal em relao a uma situao sem amplificao. J o Ripple corresponde variao do Ganho dentro do sistema. Ou seja, o Ripple a diferena entre o Ganho mximo e o Ganho mnimo para a faixa de sinais analisada. A Fig. 11 mostra a curva de Ganho On-Off x Comprimento de onda dos sinais para ambos os modelos, enquanto a Tabela 5 mostra os valores mdios.
11 10 9 8 Ganho On-Off [dB] 7 6 5 4 3 2 1 1500 Modelo Analtico Modelo Numrico

1510

1520

1530 1540 1550 1560 1570 1580 Comprimento de onda dos sinais [nm]

1590

1600

Figura 11 Evoluo de Ganho On-Off dos sinais nos Modelos Analtico e Numrico

34
Tabela 5 Comparao do Ganho On-Off Mdio para os Modelos Analtico e Numrico

Analtico Ganho Mdio On-Off [dB] Ripple [dB] Processamento [s] 6,32 10,12 0,14

Numrico 6,21 9,81 314,30

Como se pode observar na Fig. 11, a evoluo do Ganho On-Off obtida para ambos os modelos muito semelhante, 1,77% para o modelo analtico, o que acaba por garantir que os valores de Ganho, ao longo da fibra, determinados pelo modelo analtico, seriam aceitveis para servirem como valores iniciais para o modelo numrico. Outro fator importante a ser analisado o tempo de processamento de cada um dos modelos. Enquanto o analtico realiza os clculos em menos de meio segundo, o modelo numrico demora, aproximadamente, 5,2 minutos em um processador AMD Turion 1,60GHz com 2GHz de memria RAM. Para um primeiro caso, foi analisado o modelo numrico puro, que nada mais do que uma verso do modelo no qual o usurio obrigado a fornecer os valores de chute para o cdigo principal de forma que possa comear a resolver a equao diferencial necessria para solucionar as equaes de propagao. Os chutes necessrios para a convergncia do modelo numrico para o caso de estar trabalhando somente com este modelo equivale a 1mW para todos os bombeios. 5.3 Acelerao do Modelo Numrico Explorando a compatibilidade das respostas obtidas com ambos os modelos, pensou-se em utilizar dados retirados do modelo analtico para acelerar o tempo de processamento para o modelo numrico. Pelo fato de o modelo numrico basear-se na soluo de uma equao diferencial ordinria com problemas de valores de contorno, necessrio que certos parmetros sejam previamente determinados para a convergncia do cdigo para os valores corretos. Ou seja, no caso dos amplificadores Raman contra-propagantes,

35 necessrio determinar a potncia dos bombeios prximo ao incio da fibra. Quanto mais prximo dos valores reais, mais rapidamente deveria ser feita tal convergncia. Para ambos os sistemas, estaremos considerando os mesmo valores mencionaodos anteriormente, um sistema distribudo, contra-propagante, com 2 bombeios alocados em 1440nm e 1450nm, com potncias de 300mW, e 20 sinais com potncia igual a 0dBm por canal alocados entre 1500nm e 1600nm, espaados igualmente.

5.3.1 Tempo de Processamento para Numrico Integrado Aps as anlises de compatibilidade entre os modelos analtico e numrico, buscou-se uma forma de tentar utilizar o primeiro para acelerar o processamento do segundo. Assim, decidiu-se utilizar os valores de evoluo dos bombeios calculado pelo modelo analtico e aplic-los como chutes (valores de contorno) para o modelo numrico, uma vez que a convergncia deste modelo depende tambm dos valores de tais chutes, que para este caso foram os valores de 1,32mW e 1,68mW para os bombeios em 1440nm e 1450nm respectivamente. A Tabela 6 representa os valores obtidos para os modelos analtico e numrico aps a integrao entre eles, ou seja, os parmetros de entrada para ambos os modelos so os mesmos e os chutes necessrios para o modelo numrico so provenientes de clculos feitos pelo modelo analtico.
Tabela 6 - Comparao do Ganho On-Off Mdio para os Modelos Analtico e Numrico Integrados

Analtico Ganho Mdio On-Off [dB] Ripple [dB] Processamento [s] 6,32 10,12 0,16

Numrico 6,21 9,81 285,94

De acordo com a Tabela 6, o Ganho Mdio On-Off obtido para os dados de entrada considerados foi 6,21 dB e 6,32 dB, respectivamente, com o modelo numrico e o analtico. No caso do Ripple, foi obtido 9,81 dB e 10,12 dB com oa modelos

36 numrico e analtico, respectivamente. Embora o valor de Ripple seja bastante alto , podemos reafirmar que os valores de Ganho On-Off Mdio e Ripple esto muito semelhantes para ambos os modelos, e tambm notvel a disparidade de tempo de processamento para cada um deles. O analtico demora menos do que meio segundo para encontrar a soluo enquanto o modelo numrico, neste caso, demora um pouco menos do que 5 minutos. 5.3.2 Comparaes Analisando os dados obtidos nas simulaes apresentadas nas sees 5.3.1 e 5.3.2, podemos perceber que, apesar de no ser muito significante, existe uma acelerao no tempo de resposta para o modelo numrico. A Tabela 7, traz os valores de tempo de processamento de ambos os casos, retirados das Tabelas 6 e 7.
Tabela 7 Tempo de processamento para as variaes do modelo numrico

Numrico Processamento [s] 314,30

Numrico com Analtico 285,94

De acordo com a Tabela 7, observa-se que, pelo simples fato de redimensionar os valores de contorno do modelo numrico, i.e. usando o resultado do modelo analtico como chute inicial para o modelo numrico, reduz-se o tempo de processamento. Vale ressaltar que, nos casos descritos, estamos analisando somente o tempo de processamento do modelo numrico e no o do sistema como um todo. Para obtermos o tempo de processamento total para o modelo numrico com analtico, devemos acrescer ao valor de 285,9358 o tempo necessrio para processar a resposta do modelo analtico. Contudo, mesmo aps esse acrscimo, tem-se como resultado um tempo de processameno de 286,0945 segundos, uma vez que o processamento analtico extremamente veloz. Com isso, h a diminuio de aproximadamente 30 segundos entre um processo e outro. Deve-se levar em conta tambm o fato de estarmos analisando um sistema relativamente pequeno, no qual o nmero de sinais e bombeios no so muito

37 elevados. razovel crer que em casos com maior quantidade de bombeios, como 4 por exemplo, e um nmero de sinais prximo a 40, podemos obter uma maior variao entre esses tempos. 5.4 Interface Grfica para Usurio Com o intuito de atender s necessidades do projeto, foi desenvolvida uma interface grfica para o usurio, de forma que a anlise de sistemas com amplificadores Raman possa ser realizada por qualquer pessoa, sem requerer o conhecimento especfico de funcionamento dos modelos analtico ou numrico. Como demonstrada na Fig. 12, a interface grfica razoavelmente simples, possibilitando assim que, aps uma breve introduo aos campos de entrada da interface, qualquer pessoa consiga trabalhar com ela.

Figura 12 Interface Grfico para Anlise de sistemas pticos com Amplificadores Raman

As respostas de evoluo dos sinais em relao aos comprimentos de onda e o valor de Ganho Mdio em relao ao Ripple so definidos nas duas reas grficas da interface, enquanto valores numricos so expostos na regio direita da interface, o que inclui o tempo de processamento do sistema. Devido ao projeto de anlise de sistemas pticos com amplificadores Raman ter sido feito dentro de um projeto financiado pela empresa PADTEC, foi necessrio

38 que, depois de concludos os algoritmos de anlise, fosse desenvolvida uma interface grfica de fcil entendimento, o qual permitisse a qualquer usurio pudesse realizar anlises com amplificadores Raman, mesmo sem ter o conhecimento aprofundado dos cdigos referentes a tais anlises. Dessa forma, iniciou-se um processo de definio de variveis de entrada, parmetros fixos e variveis de sada dentro do cdigo fonte, para elaborar uma interface simples e que fosse compreendida por qualquer pessoa com o mnimo conhecimento em amplificadores Raman. Dessa anlise, foi decidido que a interface deveria disponibilizar a escolha do nmero de bombeios, que neste caso limitado a no mximo 5 lasers, tal qual a alocao e potncia dos mesmos. Os parmetros de fibra, tais como o tipo de fibra a ser utilizada, o tamanho do enlace, alm da banda onde os sinais estaro alocados, o nmero de sinais, largura de banda de ASE e o Fator de Polarizao do laser de bombeio. A interface est representada na Fig. 12. Na interface, existem tambm os campos de resposta e de grficos, onde aps as anlises de ambos os modelos, obtemos as respostas de Ganho On-Off Mdio, Ripple, tempo total de processamento, variao entre os ganhos do modelo analtico e numrico e os grficos de Ripple x Ganho On-Off Mdio e comprimento de onda de sinais x Ganho On-Off dos sinais. Na Fig. 13 temos um exemplo de uma interface com os resultados visualisados a partir de grficos e valores mostrados na tela.

39

Figura 13 Interface Grfica com Resultados

Na Fig. 13, temos os resultados de uma anlise feita pelos modelos analtico e numrico, integrados na interface grfica. Atravs dos resultados descritos na tela da interface, conseguimos perceber a qualidade da amplificao do sinal, por meio do Ganho On-Off Mdio e do Ripple. Tambm fica visvel o ganho ao longo dos comprimentos de onda dos sinais, sendo importante ressaltar que quanto mais prximo de uma sada plana, esta a indicao de que a alocao dos bombeios foi feita de forma correta. 5.5 Algoritmos de Otimizao Neste captulo, analisaremos a segunda parte deste projeto, que consiste na otimizao de sistemas com amplificadores Raman. Para tal propsito, teremos como entrada, basicamente, a regio onde o bombeio pode ser alocado, a faixa de potncia que cada bombeio pode ter e os comprimentos de onda dos sinais. Com estes valores, passamos a ter uma quantidade grande, porm limitada, de possibilidades de Ganho On-Off Mdio e Ripple, que so os valores a serem otimizados. Para este trabalho, os sistemas nos quais os algoritmos de otimizao trabalhavam eram de amplificadores Raman distribudos, contra-propagantes e com 2

40 e 4 bombeios. As variaes de alocao do bombeio estavam entre 1410nm e 1470nm, com potncias variando entre 100mW e 300mW. J os comprimentos de onda de sinais eram compostos por 20 valores igualmente espaados, localizados entre 1530nm e 1570nm. O ponto principal a ressaltar dos algoritmos de otimizao que utiliza-se para a anlise dos casos o modelo analtico, uma vez que a sua velocidade de processamento imensamente superior velocidade do modelo numrico, enquanto as respostas de ambos bastante aproximada. 5.5.1 Busca Exaustiva A primeira idia para a otimizao dos sistemas em questo foi a de criar um algoritmo que gerasse uma nuvem de pontos que descrevesse o valor de Ganho On-Off Mdio x Ripple para cada um dos casos analisados. Seria analisado um nmero grande de casos, em que a cada iterao teramos novos valores aleatrios determinando o comprimento de onda dos bombeios e suas respectivas potncias. O Anexo parte III mostra a parte deste algoritmo responsvel pela seleo aleatria de comprimentos de onda dentro dos valores pr-definidos. O cdigo representa o caso em que teremos 4 bombeios, tendo assim a deciso de 4 valores de comprimento de onda e 4 valores de potncia que serviro para realizar a anlise para o caso em questo. Aps a realizao da anlise, os valores de Ganho On-Off Mdio e Ripple so armazenados em um vetor para posteriormente comporem a nuvem de pontos em questo. 5.5.1.1 Dois Bombeios O primeiro caso analisado foi a utilizao de somente 2 bombeios. Nessa situao, teramos 2 comprimentos de onda selecionados de forma que os comprimentos de onda de cada bombeio estaria alocado de forma crescente. Ou seja, o menor comprimento de onda para bombeio estaria localizado na primeira posio do vetor. J para as potncias, foram definidos valores aleatrios quaisquer dentro dos limites pr-definidos. A Fig. 14 representa a nuvem de pontos obtida.

41

Figura 14 Nuvem de Pontos para 2 Bombeios

A nuvem de pontos da Fig. 14 contm 100000 pontos. Sendo assim, cobre uma quantidade muito grande de combinaes entre os comprimentos de onda e as potncias. Fica possvel perceber que existe uma regio bem definida de atuao dos amplificadores, o que facilita muito a definio de combinaes que atendem a determinados requisitos. Para a anlise em questo, de acordo com as necessidades da empresa PADTEC, buscou-se encontrar amplificadores com o maior ganho possvel e Ripple abaixo de 1dB. Logo, percebe-se uma regio em que conseguimos atingir essa meta, compreendida entre ganhos de 2dB a 6dB. Para a obteno de ganhos maiores, com os parmetros de bombeio definidos acima, teramos que aumentar tambm o valor de Ripple.

42 5.5.1.2 Quatro Bombeios Aps a definio da nuvem de pontos para 2 bombeios, buscou-se definir a nuvem para o caso de ter-se 4 bombeios. Nesse caso, assim como para 2 bombeios, as escolhas de comprimento de onda e potncia dos bombeios feita de forma aleatria, porm, de forma a manter os comprimentos de onda em ordem crescente. Dessa forma, a Fig. 15 representa a nuvem com 100000 pontos.

Figura 15 Nuvem de pontos para 4 bombeios

Analisando a figura, percebemos que a sua forma ligeiramente diferente da figura para dois bombeios. Contudo, pode-se perceber que ambas tm aproximadamente duas regies de maior concentrao de pontos, sendo que, para 4 bombeios, a diviso fica mais visvel. Outro fator importante a salientar em relao nuvem de pontos para 4 bombeios obtida a sua complementao aos dados obtidos com 2 bombeios. Com isso, quer-se dizer que, para atender as exigncias da PADTEC, obtendo maior ganho e menor Ripple, no caso de 2 bombeios, poderamos atingir ganho mximo de 6dB, enquanto para 4 bombeios, temos limites que vo de aproximadamente 6dB at valores prximos de 12dB e at 14dB.

43 Novamente, importante frisar que a maior importncia do estudo da nuvem de pontos vem do fato de que ela possibilita entender melhor as regies de atuao para determinados parmetros e com isso permite identificar se os valores obtidos com outros mtodos de otimizao so ou no compatveis. 5.5.2 Algoritmo Gentico Como demonstrado no captulo 4, um algoritmo gentico foi criado com a finalidade de, posteriormente, otimizar os parmetros de um amplificador Raman. Por isso, pensou-se inicialmente em quais seriam os parmetros de entrada para o algoritmo gentico e, posteriormente, quais seriam os parmetros utilizados para medir o fitness dos indivduos. Logo, os parmetros de entrada foram definidos como os comprimentos de onda e potncias dos bombeios, assim como para o caso das nuvens de ponto. Os valores que estes parmetros poderiam variar eram de 1410nm a 1470nm e entre 100mW e 300mW, respectivamente. J para definir a funo de fitness, como os valores buscados pela empresa PADTEC eram o Ganho On-Off e o Ripple, decidiu-se que seriam estes os parmetros para montar a funo fitness responsvel pela convergncia do algoritmo gentico. Sendo assim, foram utilizadas funes exponenciais para determinar o fitness, que era medido de acordo com o cdigo descrito no Anexo parte IV. A sub-rotina descrita pelo Anexo parte IV utiliza-se de duas curvas, uma para definir o fitness em relao ao Ganho On-Off Mdio e outra que define o valor de fitness em relao ao Ripple. Em ambos os casos, os valores mximos de cada curva igual a 1. Para gerar o fitness final, feita uma combinao linear de ambos os fitness de forma que a soma deles tivesse valor mximo igual a 1. Para isso, foram feitos diversos testes e descobriu-se que os valores retornavam as melhores respostas quando o fitness relativo ao Ganho On-Off Mdio era de 70% e o restante relativo ao Ripple. importante frisar que o elitismo foi mantido por ter-se demonstrado um fator favorvel.

44 As Fig. 16 e Fig. 17 representam as duas curvas utilizadas para determinar os valores de fitness para Ganho On-Off Mdio e Ripple, respectivamente. As curvas so descritas pelas equaes (7) e (8), respectivamente. Ambas so descritas abaixo:
GanhoOnOff Medio n

fitness1 = 1 e
equao (8),

(7)

onde n o nmero de bombeios utilizado para o caso em questo, e para a

fitness 2 = 1

se o Ripple for menor ou igual a 1 e caso contrrio

fitness 2 = e Ripple +1 .
2 1.8 1.6 1.4 1.2 Fitness1 1 0.8 0.6 0.4 0.2 0 2 Bombeios 4 Bombeios

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Ganho On-Off Mdio [dB]

Figura 16 Curvas de Fitness para Ganho On-Off Mdio com 2 e 4 bombeios

45

2 1.8 1.6 1.4 1.2 Fitness2 1 0.8 0.6 0.4 0.2 0

0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 Ripple [dB]

Figura 17 Curva de Fitness para Ripple

5.5.2.1 Dois Bombeios Depois de definidos quais os parmetros que sero utilizados no algoritmo gentico, passou-se a analisar os resultados obtidos para dois bombeios, por ser o caso mais simples. Para os testes, foram definidas populaes de 20 indivduos e um nmero de 1000 geraes, para garantir assim uma boa miscigenao dos indivduos. A Tabela 8 representa os melhores valores de Ganho On-Off Mdio e Ripple obtidos com o algoritmo gentico em 5 testes realizados.
Tabela 8 Valores de Ganho On-Off Mdio e Ripple obtidos com o GA para 2 bombeios

Caso 1 Ganho On-Off Mdio [dB] Ripple [dB] Gerao 5,6104 0,9987 837

Caso 2 5,4506 1,0000 717

Caso 3 5,9277 0,9999 550

Caso 4 Caso 5 5,7281 5,6424 0,9998 0,9982 707 982

46

Analisando a Tabela 8, pode-se perceber que todos os valores da Ganho OnOff Mdio esto muito prximos dos valores mximos de ganho demonstrado na Fig. 14 para a nuvem de pontos para 2 bombeios, assim como o Ripple de todos os elementos se encontra igual ou abaixo a 1dB, estando de acordo com as exigncias do sistema. Dessa forma, possvel dizer que o algoritmo gentico atende s necessidades pr-definidas e converge para valores prximos ao mximo possvel. A evoluo do caso 3 demonstrada na Fig. 18. Nela, pode-se perceber que o algoritmo converge rapidamente para valores muito bons e, ento, somente com o tempo, ele consegue, aos poucos, encontrar novas solues melhores.

Figura 18 Evoluo do GA para amplificadores Raman com 2 bombeios

5.5.2.2 Quatro Bombeios Aps a anlise feita para dois bombeios, era necessria a realizao de simulaes para quatro bombeios para averiguar a validade da funo de fitness para

47 um nmero maior de bombeios. Essa necessidade provm do fato de estar-se trabalhando com sistemas multi-objetivo. Sendo assim, possvel que, medida que se ajustam funes e valores para otimizar um determinado caso, estejam-se deteriorando as respostas para outros casos. De forma semelhante feita para 2 bombeios, a Tabela 9 representa os resultados de 5 casos simulados para 4 bombeios.
Tabela 9 Valores de Ganho On-Off Mdio e Ripple obtidos com o GA para 4 bombeios

Caso 1 Ganho On-Off Mdio [dB] Ripple [dB] Gerao 0,9749 600

Caso 2 0,9999 232

Caso 3 0,9996 509

Caso 4 0,9784 491

Caso 5 0,9989 851

10,9255 9,4285 10,4661 11,0206 12,0606

Analisando a Tabela 9, pode perceber que no se consegue uma preciso to grande com 4 bombeios quanto para o caso de utilizar-se somente 2. Contudo, pode-se afirmar que os resultados esto dentro do esperado pelo que foi demonstrado na Fig. 18, uma vez que se encontram dentro da regio de Ripple menor do que 1dB. A evoluo do caso 5 demonstrada na Fig. 19, onde novamente se pode perceber a rpida convergncia do algoritmo gentico.

48

Figura 19 - Evoluo do GA para amplificadores Raman com 4 bombeios

5.5.3 Comparaes de Resultados De acordo com o que foi apresentado, pode-se concluir que os resultados obtidos pelo algoritmo gentico, tanto para 2 quanto para 4 bombeios esto condizentes com o esperado, em concordncia com o que foi mostrado pelas nuvens de ponto. Em suma, atravs da nuvem de pontos, possvel encontrar um valor excelente de Ganho em relao a Ripple, desde que sejam analisados muitos pontos, gerando assim uma regio de atuao para os parmetros do amplificador. Contudo, o tempo computacional gasto para gerar tal nuvem grande e sua praticidade pouca. Portanto, de acordo com a qualidade apresentada pelo algoritmo gentico e pelo fato de o mesmo apresentar um tempo de processamento menor, pode-se concluir que o mais vantajoso realizar a otimizao atravs do uso de algoritmos genticos, a no

49 ser que se queira fazer uma anlise da regio de atuao de um amplificador com os parmetros variando dentro de determinada rea. A Fig. 20 ilustra a evoluo do Ganhos On-Off em relao ao comprimento de onda dos sinais para o Caso 3 da Tabela 8 e para o Caso 5 da Tabela 9, que podem ser considerados os dois casos com as melhores respostas para dois e quatro bombeios respectivamente.
15

12 Ganho On-Off [dB]

3 2 Bombeios 4 Bombeios 1535 1540 1545 1550 1555 1560 Comprimento de onda dos sinais [nm] 1565 1570

0 1530

Figura 20 Evoluo do Ganho On-Off com relao ao comprimento de onda dos sinais

Para os Casos ilustrados pela Fig. 20, temos os seguintes valores para os comprimentos de onda e potncias dos bombeios.
Tabela 10 Valores de comprimento de onda e potncia dos bombeios obtidos pelo Algorimto Gentico
[nm] 1425,9 2 Bombeios 1460,4 1421,2 1432,5 4 Bombeios 1451,7 1466,8 Potncia [mW] 174,0 286,6 214,3 169,9 297,8 247,9

50 5.6 Concluses Neste captulo, atravs de resultados de simulaes, comparou-se os tempos de processamento para o modelo numrico para anlise de amplificadores Raman, assim como os algoritmos de otimizao utilizados. Observaram-se tambm as vantagens de se utilizar algoritmos genticos para a soluo de sistemas complexos, alm da dificuldade de se criar um algoritmo que atenda a todas as situaes quando se trabalha com problemas multi-objetivos.

51

CONCLUSES FINAIS
Neste trabalho, realizou-se um breve estudo sobre sistemas pticos com

amplificadores Raman, em que se apresentou inicialmente um contexto histrico com a necessidade e o surgimento desses amplificadores e, posteriormente, demonstraramse algumas formas de anlise para sistemas com estes amplificadores, alm de propostas de otimizao. Foi criada uma interface grfica onde unificaram-se os dois modelos de anlise de amplificadores Raman, garantindo assim uma resposta precisa e ligeiramente mais rpida. A interface foi criada no intuito de facilitar a utilizao das ferramentas de anlise por pessoas que no tenham conhecimento aprofundado dos cdigos utilizados para tal. Foi feita a validao de um algoritmo gentico desenvolvido em MATLAB, atravs da comparao de alguns resultados de simulao com valores esperados, de acordo com funes pr-definidas. Aps a validao, utilizou-se o algoritmo para buscar resultados que garantissem um amplificador Raman que atendesse a determinadas necessidades, como Ganho On-Off Mdio alto e Ripple abaixo de 1dB. Para todos os casos analisados, utilizaram-se amplificadores distribudos, na configurao contra-propagante, com 20 sinais, e variando o nmero de bombeios entre 2 e 4. Finalmente, pode-se concluir que os algoritmos genticos so ferramentas robustas e eficazes para resolver a questo de otimizao para amplificadores Raman. Caso a funo de fitness seja bem projetada, possvel encontrar valores que atendam a quaisquer condies, sendo assim, de grande utilidade.

52 REFERNCIAS BIBLIOGRFICAS [1] RAMASWAMI, R.; SIVARAJAN, K. N. Optical Networks A Practical Perspective. San Diego: Academic Press, 1998. [2] AGRAWAL, G.P. Fiber-Optic Communication Systems. 2a. Ed., New York, John Wiley & Sons, Inc., 1997. [3] HEADLEY C.; AGRAWAL G. P. Raman Amplification in Fiber Optical Communication Systems. N. Y., Elsevier Academic Press, 2005. [4] BECKER, P. C.; OLSSON, N. A.; SIMPSON, J. R. Erbium-Doped Fiber Amplifiers Fundamentals and Technology. San Diego: Academic Press, 1999. [5] AGRAWAL G. P. Nonlinear Fiber Optics, 3a. Ed., San Diego, Academic Press, 2001. [6] CANI, S. P. N. Uma Contribuio ao Modelamento Analtico em Amplificadores Raman, Prog. Ps-Graduao em Eng. Eltrica, UFES, Vitria-ES 2007 [7] CANI, S. P. N. ; CALMON, L. C. ; PONTES, M. J. ; SEGATTO, M. E. V. ; RIBEIRO, M. ; CARTAXO, A. V. T., An Analytical Approximated Solution for the Gain of Broadband Raman Amplifiers with Multiple Counter-Pumps, Aceito para publicacao(Jan 2008) em Journal of Lightwave Technology. [8] COLEY, D. A. An Introduction to Genetic Algorithms for Scientists and Engineers. World Scientific, 1999.

53 ANEXO I.

II.

54 III.

IV.