Caractérisation des liaisons optiques sous-marines assistée par machine learning

Subsea optical links characterization assisted by machine learning

• Auteur / Autrice : Joana Girard-Jollet
• Direction : Ghaya Rekaya Ben Othman
• Type : Thèse de doctorat
• Discipline(s) : Réseaux, informations et communications
• Date : Soutenance le 16/12/2024
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Laboratoire Traitement et communication de l'information (Paris ; 2003-....) - Laboratoire de Traitement et Communication de l'Information
• Partenaire(s) de recherche : Etablissement opérateur d'inscription : Télécom Paris (Palaiseau, Essonne ; 1878-....)
• Jury : Président / Présidente : Yves Jaouën
• Jury : Examinateurs / Examinatrices : Yves Jaouën, Vincent Choqueuse, Polina Bayvel, Chigo Okonkwo
• Jury : Rapporteurs / Rapporteuses : Vincent Choqueuse, Polina Bayvel
• DOI : 10.70675/7d79ba66zcb75z4705za421z49a2b5d35e1b

Mots clés

Mots clés contrôlés

Câbles sous-marins

Télécommunications optiques

Apprentissage automatique

Mots clés libres

Réseaux optiques fibrés

Effets nonlinéaires

Câble sous-Marin

Machine learning

Optical fiber network

Nonlinear effects

Submarine cable

Machine learning

Résumé

Face à la demande croissante en bande passante Internet, disposer de systèmes de communication optique robustes est plus crucial que jamais.Au-delà des avancées dans les technologies et composants individuels, la performance du système de communication dépend également de la façon dont ces composants sont utilisés et combinés pour que la configuration globale soit optimisée. Souvent, la performance du réseau est limitée par les prédictions qu’on peut en faire avant que le réseau soit déployé.Cela rend la précision de notre prédiction de performance essentielle pour l’optimisation du réseau. L’objectif de cette thèse est de caractériser et de contrôler les principales sources de distorsion du signal optique dans les liaisons sous-marines, principalement pour prédire la performance future du réseau avec des marges minimales. Nous avons concentré notre étude sur deux distorsions physiques : les effets non linéaires de Kerr et les pertes dépendantes de la polarisation. Cette thèse aborde les défis liés a l’estimation de la performance et au contrôle du réseau afin de proposer de nouveaux outils de surveillance et des lignes directrices pour optimiser les systèmes de transmission.

With the growing demand for internet bandwidth, having robust optical communication systems is more crucial than ever. Beyond the advances in individual technologies and components, the performance of the communication system also depends on how intelligently these components are used and combined so that the overall configuration is optimized. Often, network performance is limited by predeployment predictions, making accurate estimation essential for optimization. The objective of this thesis is to characterize and monitor key sources of distortion in subsea links, primarily to predict the network’s future performance with minimal margins. We focused on two physical impairments: nonlinear Kerr effects and polarizationdependent loss. The thesis addresses the challenges of performance estimation and network monitoring to introduce novel monitoring tools and provide guidelines for optimizing transmission systems.