OPTIMISATION DE LA CAPACITE D`UN LIEN SUR FIBRE OPTIQUE

OPTIMISATION DE LA CAPACITE D'UN LIEN SUR FIBRE OPTIQUE PLASTIQUE
AVEC LA MODULATION DMT
Pierre Urvoas, Benoît Charbonnier, Meryem Ouzzif, Jérôme Le Masson
France Télécom Recherche et Développement, Réseaux d'Accès,
2, av. P. Marzin, 22307 LANNION
Pré[email protected]
RESUME
L’algorithme de Levin-Campello vise à optimiser la capacité d'un lien de transmission
utilisant une modulation DMT/OFDM. Nous démontrons son utilisation en optique en
l'appliquant à un lien sur fibre optique plastique. Un débit de 1 Gb/s est atteint sur 50 m
de fibre 1 mm à saut d'indice (bande passante de 40 MHz).
MOTS-CLEFS : FOP ; DMT; Optimisation.
1. INTRODUCTION
La facilité d'utilisation de la fibre optique plastique (FOP) à 1 mm de cœur en fait un candidat
idéal pour la mise en place d'un réseau Ethernet privatif résidentiel qui puisse être installé par
l'utilisateur lui-même pour un coût modique. Il existe toutefois plusieurs types de FOP dont le cœur
mesure 1 mm de diamètre, mais celle à saut d'indice unique (SI-FOP) est la plus répandue et la
moins coûteuse. La fibre SI-FOP a une bande passante de 40 MHz pour 100 m et coûte aujourd'hui
le même prix qu'un câble Ethernet de catégorie 5. Des produits transportant du Fast Ethernet sur 50
à 100 m sont d'ores et déjà commercialisés [1] et des progrès sur la portée (plusieurs centaines de
mètres) ou le débit (1 Gb/s) ont été dévoilés dans la littérature. Ils font appel à des techniques
avancées de traitement du signal (égalisation, modulation, compensation) [2][3][4][5]. Dans cet
article, nous proposons et démontrons l'utilisation de l'algorithme d'allocation de bits de LevinCampello (LC) [6] dans le but d'optimiser la capacité d'une transmission sur fibre optique utilisant
la modulation Discrete Multi Tone (DMT). Celui-ci permet d'atteindre un débit de 1 Gb/s sur 50 m
de SI-FOP. Cet algorithme est déjà utilisé pour adapter la capacité selon la qualité du canal pour les
transmissions sur câble cuivre comme par exemple pour les Courants Porteurs en Ligne (CPL) [7] et
le VDSL [8]. Cette application aux communications optiques est à notre connaissance une première.
2. ALGORITHME D'ALLOCATION DE LEVIN-CAMPELLO
La technique de modulation DMT permet l'utilisation d'un nombre important de sous-canaux
indépendants (ici 511 canaux sont utilisés). Chaque sous-canal transporte une fraction du flux de
données et couvre une petite partie de la bande passante de manière à ce que celle-ci puisse alors
être considérée comme plate pour chacun des sous-canaux. Les pertes, les non-linéarités et la
limitation de bande passante du système induiront un certain budget de puissance disponible en
entrée du système pour la transmission optimale des données. Celui-ci, ainsi que le nombre de bits
transporté par sous-canal peut être réparti sur les différents sous-canaux pour maximiser la capacité
(débit) transportée. En partant d'une puissance Pn donnée par sous-canal, le nombre de bits par
symbole DMT b s'exprime :
P ⋅g ·
N
§
b = ¦n =1 log 2 ¨1 + n n ¸
Γ ¹
©
Le paramètre gn correspond au rapport signal à bruit pour une puissance transmise normalisée
à 1. Le paramètre Γ représente l'écart entre le SNR et la capacité associée à un taux d'erreur fixé. Le
débit peut être amélioré sous la contrainte d'un budget de puissance fixé P =
¦
N
n =1
Pn . En utilisant
un algorithme d'allocation de bits, il est possible d'approcher la limite supérieure de débit dite de
"water-filling" donnée par [8] :
Pn + Γ g n = constante
Les algorithmes d'allocation prennent en compte des paramètres tels que la granularité ou
encore le nombre maximum de bits allouables par sous-canal (bitcap). Parmi ces algorithmes, celui
de Levin-Campello [6] permet d'atteindre un résultat quasi optimal avec une complexité de mise en
œuvre raisonnable. L'algorithme LC d'adaptation de débit commence par effectuer une distribution
de bits efficace telle que toutes les autres distributions avec un même débit cible requièrent plus de
puissance. Une seconde étape consiste à ajuster la distribution binaire et d'énergie de manière que
toute augmentation du nombre de bits induise un dépassement du budget de puissance. Pour
implémenter cet algorithme, il est nécessaire d'effectuer une approximation du "gap" Γ. Les valeurs
de ce paramètre sont données dans la Table 1 pour chaque type de constellation MAQ-m avec un
taux d'erreur cible de 10-4.
m
4
16
32
64
128
ī(dB)
7,07
7,24
7,34
7,37
7,37
Table 1: Ecart pour un taux d'erreur cible SER=10-4
Dans la suite de l'étude, la valeur du gap choisi pour l'algorithme d'allocation est de 7,2 dB.
Le rapport signal à bruit normalisé est calculé pour chaque sous-canal à partir de l'erreur vectorielle
moyenne (EVM) mesurée sur le banc expérimental décrit dans la section suivante.
3. DEMONSTRATION EXPERIMENTALE
Le banc de test expérimental est représenté sur la Figure 1. Un générateur de signal arbitraire
(AWG) sur carte PCI est utilisé pour générer un signal DMT d'amplitude maximale 0,8 Vp-p avec
une fréquence d'échantillonnage de 1 GS/s. Ce signal est d'abord assemblé mathématiquement sur
PC à l'aide d'un programme Matlab® qui code une séquence PRBS sur un signal DMT composé de
512 symboles. Chacun des ces symboles contient 511 sous-porteuses modulées indépendamment
(BPSK à MAQ-64) et dont la puissance peut être déterminée arbitrairement. Le signal résultant a
une largeur de 250 MHz.
Figure 1: Banc expérimental
Afin d'éviter la saturation du convertisseur numérique analogique (clipping), la puissance RF
totale de sortie du générateur est volontairement limitée à -16 dBm. Le signal DMT issu du
générateur est ensuite amplifié à -6 dBm pour piloter un VCSEL 650 nm doté d'une bande passante
d'environ 1GHz. Le signal optique traverse ensuite les 50 m de fibre SI-FOP (Eska-Premier) pour
être détecté par une photodiode PIN 650 nm. La bande passante à -3dB du système émetteur-fibrerécepteur est de 40 MHz. Le signal issu de la photodiode est maintenant numérisé à 2 GS/s par un
oscilloscope Agilent DSO6104A. Les 968 symboles capturés (limite de la mémoire du DSO) sont
analysés sur le PC. Le taux d'erreur binaire (TEB) est calculé à partir de l'EVM de chaque sousporteuse [8]. L'étape ultime, l'optimisation de la capacité par l'algorithme d'allocation se fait en deux
étapes. Premièrement, un signal de caractérisation modulé en QPSK sur tous les canaux et à
puissance par canal constante est utilisé pour sonder le canal de transmission. Les valeurs d'EVM
issues de cette première mesure (Figure 2) sont utilisées par l'algorithme LC pour déterminer
l'allocation optimale de bits et de puissances (Figure 3). Le biais et la puissance RF modulant le
VSCEL sont optimisés de manière à obtenir le débit le plus important en sortie de l'algorithme de
LC. Ensuite, un nouveau signal est généré en utilisant ces paramètres optimaux. L'algorithme veille
à ce que la moyenne globale des variations de puissance soit nulle. Le système est enfin testé avec
le signal DMT optimisé. Les niveaux de modulation recommandés par l'algorithme varient de
BPSK à 64QAM. Le débit total atteint est de 1000,9 Mb/s. Les EVM de tous les canaux sont
mesurées montrant des taux d'erreur compris entre 10-3 et 10-5 (Fig. 5 bas) pour une valeur moyenne
de 1,2x10-4. Le spectre électrique du signal entrant et sortant est montré sur la Figure 4.
Figure 2: Valeurs d'EVM du signal de caractérisation
Figure 3: Paramètres optimisés,
modulation (haut) et puissance (bas).
Figure 4: Résultats finaux après
optimisation, EVM (haut) et TEB (bas).
CONCLUSION
La technique d'allocation de Levin-Campello, habituellement utilisée en CPL ou VDSL est
ici appliquée pour la première fois à une communication optique. Cette technique permet
l'optimisation du débit avec comme paramètres d'entrée un budget de puissance et un taux d'erreur
cible. Une transmission à 1 Gb/s sur 50 m de SI-FOP 1mm (bande passante de 40 MHz) est ainsi
démontrée.
RÉFÉRENCES
[1]
[2]
[3]
[4]
O. Ziemann et al, ECOC 2007, Session 4.1
S. Randel et al, ECOC 2007, Session 4.1
F. Breyer et al, ECOC 2007, Session 9.6
S.C.J Lee et al, OFC 2008, OWB3
[5] Jorge Campello, ISIT'98, page 193
[6] E. Guerrini et al, ISPLC 2007, page 77
[7] T. Starr et al, ISBN-13-780545-4, Prentice
Hall
[8] V.J. Urick et al, PTL vol. 16, No 10, 2004