PASCAL LEMIEUX Modélisation des amplificateurs optiques à semi-conducteur Application au traitement des signaux optiques Mémoire présenté à la Faculté des études supérieures de l’Université Laval dans le cadre du programme de maı̂trise en génie électrique pour l’obtention du grade de Maı̂tre ès Sciences (M.Sc.) FACULTÉ DES SCIENCES ET DE GÉNIE UNIVERSITÉ LAVAL QUÉBEC Août 2006 c Pascal Lemieux, 2006 ii Résumé Les réseaux de télécommunications optiques métropolitains pourraient bénéficier de l’utilisation de sources optiques incohérentes à large bande, car elles sont peu coûteuses. Par contre, leur bruit d’intensité limite les performances des systèmes. Il a été démontré que l’utilisation d’un amplificateur optique à semi-conducteur (SOA) pour effectuer un traitement du signal optique à la détection diminue le taux d’erreur. C’est dans ce contexte que la modélisation des sources optiques incohérentes est étudiée. La distribution de son bruit d’intensité est comparée aux données expérimentales. Par la suite, des modèles de simulation des SOAs de différents niveaux de complexité sont présentés. En prenant comme référence un modèle détaillé, un nouveau modèle simplifié est développé. Des approximations permettent de réduire le système d’équations différentielles partielles du modèle détaillé à une seule équation différentielle ordinaire (ODE) basée sur une quantité globale, le réservoir. Cette quantité est proportionnelle au nombre total de porteurs de charge dans l’amplificateur. Les résultats de simulation des quatre modèles basés sur l’ODE du réservoir sont alors comparés à ceux provenant du modèle détaillé ainsi qu’à des mesures expérimentales. Le modèle du réservoir permet de diminuer le temps de calcul du modèle détaillé par un facteur 20, tout en conservant une très bonne correspondance avec les mesures expérimentales. Abstract Optical access networks could benefit from the use of inexpensive broadband incoherent light sources. However, their high level of intensity noise reduces the achievable level of performance. It was demonstrated that the use of semiconductor optical amplifier (SOA) for signal processing on the receiver side can greatly reduce the bit error rate (BER). In this context, the modeling of incoherent light sources was studied and their intensity distribution was compared with experimental data. In addition, various SOA models of different complexity levels are presented. Taking a detailed space-resolved model as a reference, a new model was developed. Different approximations are used to reduce the system of coupled partial differential equations of the detailed model to a single ordinary differential equation (ODE) describing a global variable called the reservoir. This quantity is proportional to the total number of useful carriers in the amplifier. Simulation results from four versions of the reservoir model are compared to the results obtained with the detailed model and with experimental data. While providing a good match with experimental data, the use of the reservoir model can reduce computation time by a factor of 20. iii Avant-Propos Je tiens tout d’abord à remercier le Dr Leslie A. Rusch, pour ses conseils avisés et pour m’avoir donné l’opportunité de travailler dans un environnement dynamique et stimulant. Je remercie également mes collègues et amis, surtout Walid Mathlouthi pour avoir rendu mes pauses-café à la fois fructueuses et divertissantes. Je remercie mes parents et mes amis pour leur soutient inestimable. À titre posthume, je tiens à remercier spécialement mon père, qui est pour moi une source d’inspiration et de motivation encore aujourd’hui. iv « In the real dark night of the soul it is always three o’ clock in the morning, day after day. » Francis Scott Fitzgerald Table des matières Table des matières v Liste des tableaux viii Table des figures ix Liste des acronymes xi Liste des symboles xiii 1 Introduction 1.1 Systèmes de télécommunication optiques . . . . . . . . . . . . . . 1.2 SOA au récepteur d’un système SSWDM . . . . . . . . . . . . . . 1.3 Performance des systèmes SSWDM utilisant un SOA au récepteur 1.4 Plan du mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Modélisation des sources incohérentes . . . . . . . . . . . . 1.4.2 Modélisation des SOA . . . . . . . . . . . . . . . . . . . . 2 Modélisation des sources optiques incohérentes 2.1 Intensité intégrée et SNR selon le modèle de Goodman 2.2 SNR d’une source optique filtrée arbitrairement . . . . 2.3 Distribution de l’intensité intégrée . . . . . . . . . . . . 2.4 Modélisation dans le domaine fréquentiel . . . . . . . . 2.5 Résumé du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Modélisation des amplificateurs optiques à semi-conducteur 3.1 Schéma de réduction du bruit d’intensité utilisant la XGM . . . 3.2 Fondements physiques des semi-conducteurs . . . . . . . . . . . 3.3 Modèles analytiques des SOA . . . . . . . . . . . . . . . . . . . 3.3.1 Gain matériel dans le modèle détaillé . . . . . . . . . . . 3.3.2 Équation de propagation du modèle détaillé . . . . . . . 3.3.3 Équation d’évolution du modèle détaillé . . . . . . . . . 3.3.4 Équation d’évolution dans le modèle du réservoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 2 3 4 4 5 . . . . . 8 9 15 17 20 22 . . . . . . . 23 24 26 30 30 34 36 37 Table des matières vi 3.3.5 Équation de propagation dans le modèle du réservoir . . . . . . 3.3.6 ASE dans le modèle du réservoir . . . . . . . . . . . . . . . . . 3.4 Modèles numériques des SOA . . . . . . . . . . . . . . . . . . . . . . . 3.4.1 Modèle détaillé . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.2 Modèle du réservoir sans ASE . . . . . . . . . . . . . . . . . . . 3.4.3 Modèle du réservoir en cascade avec ASE et pertes de couplage 3.4.4 Modèle du réservoir en cascade avec ASE et pertes intrinsèques 3.4.5 Modèle du réservoir en cascade avec canal d’ASE équivalent . . 3.5 Extraction des paramètres de gain du modèle de simulation . . . . . . . 3.5.1 Homogénéité du gain des SOA . . . . . . . . . . . . . . . . . . . 3.5.2 Linéarisation du gain matériel . . . . . . . . . . . . . . . . . . . 3.5.3 Choix de la matrice de gain . . . . . . . . . . . . . . . . . . . . 3.6 Résumé du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 40 43 43 44 46 48 49 51 51 52 54 56 4 Résultats expérimentaux 4.1 Mesures de BER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1 Source incohérente accordable en longueur d’onde de largeur spectrale variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.2 PDFs des sources optiques incohérentes . . . . . . . . . . . . . . 4.1.3 Mesures du BER . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Extraction des paramètres du modèle numérique de simulation . . . . . 4.2.1 Spectre de l’ASE . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2 Dimension du milieu de gain . . . . . . . . . . . . . . . . . . . . 4.3 Mesures des cas de figure . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 Mesure de la saturation du gain . . . . . . . . . . . . . . . . . . 4.3.2 Mesure du spectre de gain . . . . . . . . . . . . . . . . . . . . . 4.3.3 Mesure de la forme d’un pulse optique amplifié . . . . . . . . . . 4.4 Résumé du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 59 5 Résultats de simulation 5.1 Simulation du BER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Ergodicité des sources incohérentes . . . . . . . . . . . . . . . . 5.1.2 Estimation du facteur M . . . . . . . . . . . . . . . . . . . . . 5.1.3 PDF de l’intensité intégrée paramétrisée par M . . . . . . . . . 5.1.4 BER paramétrisé par M . . . . . . . . . . . . . . . . . . . . . . 5.2 Modélisation des SOA . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Modèle détaillé . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.2 Modèle du réservoir sans ASE . . . . . . . . . . . . . . . . . . . 5.2.3 Modèle du réservoir en cascade avec ASE et pertes de couplage 5.2.4 Modèle du réservoir en cascade avec ASE et pertes intrinsèques 5.2.5 Modèle du réservoir en cascade avec canal équivalent . . . . . . 73 73 73 75 76 77 80 81 82 86 89 92 59 60 61 63 65 65 67 67 69 69 71 Table des matières 5.3 5.4 5.2.6 Pulses optiques amplifiés sur quatre canaux WDM . . . . . . . . Comparaison des modèles de simulation . . . . . . . . . . . . . . . . . . Résumé du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii 96 96 99 6 Conclusion 100 Bibliographie 103 A Modélisation des sources avec la décomposition de Karhunen-Loève A.1 Fondements théoriques . . . . . . . . . . . . . . . . . . . . . . . . . . . A.2 Application au spectre lorentzien . . . . . . . . . . . . . . . . . . . . . A.3 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 107 109 111 B Paramétrisation du modèle détaillé 115 C Liste des publications de l’auteur 116 Liste des tableaux 1 2 3 4 5 6 Acronymes . . . . . Symboles introduits Symboles introduits Symboles introduits Symboles introduits Symboles introduits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii . xiv . xv . xvi . xvii . xvii 3.1 3.2 3.3 3.4 Masses effectives des porteurs de charge . . . . Signification physique des termes de l’équation Modèles de simulation . . . . . . . . . . . . . Notation des coefficients du gain . . . . . . . . . . . . . . . d’évolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 36 44 49 4.1 4.2 Correspondance entre les sections des chapitres 3, 4 et 5 . . . . . . . . Facteurs M obtenus pour les mesures du BER . . . . . . . . . . . . . . 58 61 5.1 5.2 Paramètres de simulation pour le modèle du réservoir sans ASE . . . . Paramètres de simulation pour le modèle du réservoir en cascade avec ASE et pertes de couplage . . . . . . . . . . . . . . . . . . . . . . . . . Paramètres de simulation pour le modèle du réservoir en cascade avec ASE et pertes intrinsèques . . . . . . . . . . . . . . . . . . . . . . . . . Paramètres de simulation pour le modèle du réservoir en cascade avec canal équivalent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Paramètres de simulation pour le modèle les deux paramétrisations du modèle du réservoir avec quatre canaux WDM . . . . . . . . . . . . . . Temps de calcul des modèles . . . . . . . . . . . . . . . . . . . . . . . . 84 B.1 Paramétrisations du modèle détaillé . . . . . . . . . . . . . . . . . . . . 115 5.3 5.4 5.5 5.6 . . . . . . . . . . . . au chapitre 2 . . . . au chapitre 3 (partie au chapitre 3 (partie au chapitre 3 (partie au chapitre 4 . . . . . . . . 1) 2) 3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 89 92 98 98 Table des figures 2.1 2.2 2.3 Schéma du modèle développé par Duan . . . . . . . . . . . . . . . . . . Approximation de l’intensité intégrée . . . . . . . . . . . . . . . . . . . Distribution de l’intensité en fonction des deux paramètres . . . . . . . 15 18 19 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 Représentation simplifiée de la région active d’un SOA . . . . . . . . . Modèle schématique de la XGM dans un SOA . . . . . . . . . . . . . . Modèle des bandes dans un semi-conducteur . . . . . . . . . . . . . . . Gain matériel et gain pur pour une densité de porteurs fixe . . . . . . . Schéma structurel du modèle détaillé . . . . . . . . . . . . . . . . . . . Schéma structurel du réservoir sans ASE . . . . . . . . . . . . . . . . . Schéma structurel du réservoir en cascade avec ASE et pertes de couplage Schéma structurel du réservoir en cascade avec ASE et pertes intrinsèques Schéma structurel du réservoir avec un canal d’ASE équivalent . . . . . Linéarisation du gain gmat (λ, n) à 1550 nm . . . . . . . . . . . . . . . . Matrice du coefficient de gain matériel gmat (λ, n) . . . . . . . . . . . . . Représentation spectrale des paramètres du gain obtenus à l’aide deux méthodes de linéarisation . . . . . . . . . . . . . . . . . . . . . . . . . . 23 26 27 32 44 45 46 49 50 53 54 Montage expérimental utilisé pour obtenir la source large-bande . . . . Spectres optiques de la source incohérente large-bande . . . . . . . . . Schéma du montage expérimental utilisé pour la conversion de longueur d’onde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mesure du BER pour une source optique de 5 GHz . . . . . . . . . . . Mesure du BER pour une source optique de 10 GHz . . . . . . . . . . . Mesure du BER pour une source optique de 20 GHz . . . . . . . . . . . Densité spectrale de puissance de l’ASE du SOA Optospeed . . . . . . Franges d’interférence observées sur le spectre d’ASE . . . . . . . . . . Saturation et comportement asymptotique du gain . . . . . . . . . . . Schéma du montage expérimental utilisé pour les mesures de gain . . . Spectre de gain à faible signal de l’amplificateur . . . . . . . . . . . . . Montage expérimental de la mesure des pulses optiques . . . . . . . . . Pulses mesurés à l’entrée et à la sortie du SOA . . . . . . . . . . . . . . 59 60 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 56 62 63 64 64 65 66 68 69 70 71 72 Table des figures 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.15 5.16 5.17 5.18 5.19 5.20 5.21 5.22 Distribution de l’intensité de la source incohérente sans filtrage . . . . . Distribution de l’intensité du signal amplifié par le modèle du réservoir Comparaison du spectre optique autocorrélé et de la fonction de transfert électrique en puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . Histogramme normalisé de l’intensité optique d’un signal incohérent sans modulation (CW) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Histogramme normalisé de l’intensité optique d’un signal incohérent modulé (OOK) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Simulations du BER pour un système SSWDM utilisant une bande optique de 10 GHz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Saturation du gain obtenue avec le modèle détaillé . . . . . . . . . . . . Spectre de gain obtenu avec le modèle détaillé . . . . . . . . . . . . . . Pulse amplifié obtenu avec le modèle détaillé . . . . . . . . . . . . . . . Saturation du gain obtenue avec le modèle du réservoir sans ASE . . . Spectre de gain obtenu avec le modèle du réservoir sans ASE . . . . . . Pulses optiques amplifiés obtenus avec le modèle du réservoir sans ASE Saturation du gain obtenue avec le modèle du réservoir en cascade (cinq sections) avec ASE et pertes de couplage . . . . . . . . . . . . . . . . . Spectre de gain obtenu avec le modèle du réservoir en cascade avec ASE et pertes de couplage . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pulse amplifié obtenu avec le modèle du réservoir en cascade avec ASE et pertes de couplage . . . . . . . . . . . . . . . . . . . . . . . . . . . . Saturation du gain obtenue avec le modèle du réservoir en cascade avec ASE et pertes intrinsèques . . . . . . . . . . . . . . . . . . . . . . . . . Spectre de gain obtenu avec le modèle du réservoir en cascade avec ASE et pertes intrinsèques . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pulse amplifié obtenu avec le modèle du réservoir en cascade avec ASE et pertes intrinsèques . . . . . . . . . . . . . . . . . . . . . . . . . . . . Saturation du gain obtenue avec le modèle du réservoir en cascade avec canal équivalent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pulse amplifié obtenu avec le modèle du réservoir en cascade avec canal équivalent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pulses optiques sur quatre canaux WDM obtenus avec le modèle du réservoir avec pertes intrinsèques (paramètres de l’Optospeed) . . . . . Pulses optiques sur quatre canaux WDM obtenus avec le modèle du réservoir avec pertes intrinsèques (paramètres de Connelly) . . . . . . . A.1 PSD de la source incohérente modélisée à l’aide d’une décomposition de Karhunen-Loève . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.2 Histogramme normalisé de l’intensité optique de la source incohérente modélisée à l’aide d’une décomposition de Karhunen-Loève . . . . . . . x 74 75 77 78 79 80 81 83 83 84 85 86 88 90 90 91 93 93 94 95 97 97 112 113 Liste des acronymes xii Liste des acronymes Acronyme AC ASE BER BERT CB CW DC EDFA FEC ISI MGF OCDMA ODE OOK OSA PDE PDF PON PRBS PSD RE RIN SDH SNR SOA SONET SSWDM TF VB WDM XGM Signification (français) Signification (anglais) Courant alternatif Alternating current Spontaneous amplified emission Émission spontanée amplifiée Taux d’erreur binaire Bit error rate Équipement de mesure Bit error rate tester du taux d’erreur binaire Bande de conduction Conduction band Forme d’onde continue Continuous waveform Courant coutinu Direct current Amplificateur à fibre Erbium-doped fiber dopée à l’erbium amplifier Correction d’erreur par codage Forward error correction Interférence inter-symbole Inter-symbol interference Fonction génératrice des moments Moment-generating function Accès multiple Optical code-division par codage optique multiple access Ordinary differential equation Équation différentielle ordinaire Modulation d’amplitude On-Off keying binaire Analyseur de spectre optique Optical spectrum analyser Partial differential equation Équation différentielle partielle Densité de probabilité Probability density function Réseau optique passif Passive optical network Séquence pseudo-aléatoire binaire Pseudo-random binary sequence Densité de puissance spectrale Power spectral density Rapport d’extinction Extinction ratio Bruit d’intensité relatif Relative intensity noise Réseau numérique hiérarchique Synchronous digital hierarchy synchrone Rapport signal à bruit Signal-to-noise ratio Amplificateur optique Semiconductor optical amplifier à semi-conducteur Réseau optique synchrone Synchronous optical networks Multiplexage en longueur Spectrum-sliced wavelength d’onde de sources à large bande division multiplexing Transformée de Fourier Fourier transform Bande de valence Valence band Multiplexage en longueur d’onde Wavelength division multiplexing Modulation de gain croisée Cross-gain modulation Tab. 1 – Acronymes Liste des symboles xiv Liste des symboles Symbole Amplitude aléatoire des composants spectraux du champ électrique Fonction d’autocorrélation du champ électrique Fonction d’autocorrélation de l’intensité optique Degré de cohérence de l’intensité optique Décroissance de la fonction d’autocorrélation d’un processus stochastique de spectre lorentzien Phase aléatoire des composants spectraux du champ électrique Variance de l’intensité intégrée Variables aléatoires gaussiennes centrées réduites Temps de cohérence de la source optique Fonction de la base utilisée lors de l’expansion de Karhunen-Loève Valeurs propres associées aux fonctions ξn (t) dans l’expansion de Karhunen-Loève αk ΓE (τ ) ΓI (τ ) γI (τ ) κ φk 2 σW ϑk (0, 1) τc ξ(t) ψn Bo (ω) Be (ω) E(t) I(t) I i i′ i M MI (ω) Nb P (t) R ρ SASE (ω) T To W (t) W Description Enveloppe du spectre optique Enveloppe du filtre électrique en puissance Champ électrique Intensité optique Intensité optique moyenne (processus ergodique) Courant du photodétecteur Courant du photodétecteur filtré électriquement Courant moyen du photodétecteur Facteur M (SNR) Fonction génératrice des moments de l’intensité Dimension de la base fonctionnelle Puissance optique Responsivité du photodétecteur Degré de polarisation de la source incohérente Spectre optique de l’ASE Période d’intégration du photodétecteur Période d’observation de la réalisation temporelle Intensité intégrée Intensité intégrée moyenne Tab. 2 – Symboles introduits au chapitre 2 xv Liste des symboles Symbole Description 0 1 Symbole logique zéro Symbole logique un α(n) Coefficient de pertes par diffusion Coefficient d’atténuation dans le modèle du réservoir avec pertes de couplage Constante de propagation Pas de discrétisation de l’ASE en fréquence Facteur de confinement Pente du coefficient de gain pur à la longueur d’onde λj provenant de la linéarisation de gres (λ, n) Coefficient d’émission spontanée Densité de porteurs à la transparence à la longueur d’onde λk provenant de linéarisation de gmat (λ, n) Fréquence optique Pente du coefficient de gain à la longueur d’onde λk provenant de la linéarisation de gmat (λ, n) Temps de vie équivalent des porteurs Temps de vie radiatif des porteurs αs β ∆νASE Γ γj ηsp η0,k ν σk τeq τR A ak c cadd cin cout d Ea Eb Ef c Aire de section transverse de la région active de l’amplificateur Pente du coefficient de gain à la longueur d’onde λk provenant de la linéarisation de gres (λ, n) Vitesse de la lumière dans le vide (2.998 · 108 m/s) Coefficient de couplage intermédiaire du modèle du réservoir avec pertes de couplage Coefficient de couplage à l’entrée du SOA Coefficient de couplage à la sortie du SOA Dimension de la région active du SOA perpendiculaire à l’axe de propagation Niveau d’énergie minimal de la bande de conduction Niveau d’énergie maximal de la bande de valence Niveau d’énergie de Fermi de la bande de conduction Tab. 3 – Symboles introduits au chapitre 3 (partie 1) xvi Liste des symboles Symbole Ef v Eg Eg0 fASE (ν, n) fc (ǫ) fv (ǫ) G gmat (λ, n) ′ gmat (λ, n) ′′ gmat (λ, n) h ~ Ibias K0 K1 Kg kB me mdh mhh mlh n(z, t) n1 neq n0,k n1,j Description Niveau d’énergie de Fermi de la bande de valence Énergie de gap à la température Tc Énergie de gap au zéro absolu Fonction décrivant la diminution de la densité de porteur causée par l’ASE dans le modèle détaillé Distribution de Fermi-Dirac pour la bande de conduction Distribution de Fermi-Dirac pour la bande de valence Gain global de l’amplificateur Coefficient de gain matériel Coefficient de gain matériel pur Coefficient d’absorption matérielle Constante de Planck (6.626 · 10−34 J·s) Constante de Planck divisée par 2π Courant d’injection du SOA Valeur minimale des pertes de porteurs par diffusion Coefficient de variation des pertes de porteurs par diffusion Facteur de rétrécissement du gap énergétique Constante de Boltzmann (1.381 · 10−23 J/K) Masse effective de l’électron dans le cristal Masse effective d’un trou Masse d’un trou lourd Masse d’un trou léger Densité de porteurs moyenne sur le plan transverse à la propagation Indice de réfraction intrinsèque de la région active Indice de réfraction équivalent de l’amplificateur Densité de porteurs à la transparence du gain matériel à la longueur d’onde λk provenant de linéarisation de gres (λ, n) Densité de porteurs à la transparence du gain pur à la longueur d’onde λj provenant de linéarisation de gres (λ, n) Tab. 4 – Symboles introduits au chapitre 3 (partie 2) xvii Liste des symboles Symbole Nk Ns Nz q QASE (ν, r) r r0 r1 R(r) Rsp Tc Tcoh V w Description Nombre de photons d’énergie équivalente à une puissance optique à λk Nombre de signaux entrant simultanément dans l’amplificateur Nombre de sections dans la modélisation de l’amplificateur Charge de l’électron (1.602 · 10−19 C) Fonction décrivant la diminution de la densité de porteur causée par l’ASE dans le modèle du réservoir Réservoir, relié à la quantité totale de porteurs de charge dans la région active du SOA Réservoir à la transparence Réservoir associé à la transparence du gain pur Diminution spontanée de la densité de porteurs Coefficient de génération de l’émission spontanée Température du cristal Temps de vie des interactions cohérentes entre photons et électrons Volume de la région active de l’amplificateur Dimension de la région active du SOA perpendiculaire à l’axe de propagation Tab. 5 – Symboles introduits au chapitre 3 (partie 3) Symbole Description Psat G0 Puissance optique de saturation du SOA Gain du SOA observé à faible puissance d’entrée Gain du SOA observé à la puissance de saturation Réponse en fréquence du filtre électrique Gsat H(ω) Tab. 6 – Symboles introduits au chapitre 4 Chapitre 1 Introduction 1.1 Systèmes de télécommunication optiques À l’heure actuelle, les fibres optiques jouent un rôle prédominant dans les communications à haut débit. Plus de 100 millions de kilomètres de fibre optique sont déployés dans le monde [1] et servent d’épine dorsale à un réseau complexe qui relie les grandes agglomérations urbaines. Des dizaines de câbles de fibres optiques sont également utilisés pour relier les continents entre eux. Une fibre optique à elle seule peut soutenir plus de 600 000 communications téléphoniques, ce qui est très loin de la quantité que peut supporter un câble de cuivre. Pour pouvoir observer le fulgurant essort des communications optiques à grande échelle, il a fallu attendre le perfectionnement d’un composant essentiel : l’amplificateur optique à fibre dopée à l’erbium (EDFA) en 1987 [1]. En effet, malgré l’utilisation de fibres optiques à faible perte, une distance de propagation maximale de quelques dizaines kilomètres ne permettait pas le déploiement de réseaux optiques de grande envergure. Avec l’arrivée des EDFAs, les communications optiques sur de grandes distances sont devenues possibles, ce qui a provoqué l’essor des réseaux de transfert de données à haut débit. Cependant, le coût initialement élevé des fibres et des composants optiques n’a pas facilité le développement des réseaux d’accès. C’est d’ailleurs cette dernière partie du réseau, située entre le client et le centre local du fournisseur de services Internet, qui est typiquement le maillon faible de la chaı̂ne. Avec une bande passante permettant un taux de transfert d’environ 2.5 Mb/s, il s’agit du goulot d’étranglement entre les ordinateurs personnels qui communiquent à 100 Mb/s ou 1 Gb/s et les réseaux continentaux basés sur les standards SONET ou SDH à 2.5 et 10 Gb/s [1, 2, 3]. Chapitre 1. Introduction 2 Au cours des dernières années, l’attention du monde des télécommunications s’est donc tournée vers les réseaux de fibres optiques reliant entre eux les immeubles d’une même agglomération. Même si le nombre de domiciles connectés par fibre optique dans le monde est actuellement faible, les grands joueurs de l’industrie des télécommunications voient la distribution du type triple-jeu comme un marché potentiel important. Selon ce modèle de distribution, la fibre optique est utilisée pour fournir à la fois un signal de télévision de haute définition, une ligne téléphonique et un accès rapide à l’internet. Pour y parvenir, différentes architectures de réseaux optiques passifs (PON) sont actuellement étudiées. Lors du déploiment d’un lien d’accès entre un immeuble et le centre de service du distributeur, une grande partie du coût est attribuable aux différents composants optiques, comme les sources, les modulateurs, les amplificateurs, etc. L’utilisation de sources optiques incohérentes présente deux avantages majeurs : elle est moins coûteuse qu’un laser stable et elle peut être partagée entre plusieurs usagers, ce qui n’est pas le cas d’une source laser. De plus, la même source pourrait être utilisée par le centre de service pour envoyer de l’information à plusieurs domiciles, dans le cadre d’un réseau utilisant des sources à large bande multiplexées en longueur d’onde (SSWDM) ou d’un réseau d’accès multiplexé par code (OCDMA) [4]. Les sources optiques incohérentes présentent cependant un inconvénient important : leur niveau de bruit d’intensité élevé. Ce bruit résulte du battement des composants spectraux du champ électrique. Le bruit de battement, ou bruit d’intensité, est lié à la photodétection et limite les performances malgré l’augmentation de la puissance optique. Un compromis entre la performance du système SSWDM et son coût passe peut-être par l’ajout d’un amplificateur optique à semi-conducteur (SOA) au système. 1.2 SOA au récepteur d’un système SSWDM En amplifiant le signal optique à l’aide d’un SOA avant la détection, nous pouvons diminuer le bruit d’intensité et améliorer les performances du système. Il existe plusieurs méthodes basées sur ce principe : la détection du signal amplifié [5, 6], la détection de l’émission spontanée amplifiée (ASE) modulée par le passage des données [7], ou encore la conversion de longueur d’onde du signal incohérent vers un signal cohérent [4]. Cette dernière solution présente plusieurs avantages. Par exemple, cette technique est basée sur un phénomène rapide, car la conversion fait appel à la dynamique interne de l’amplificateur. Il a été démontré expérimentalement qu’un SOA conçu pour cette Chapitre 1. Introduction 3 application peut changer la longueur d’onde dans un système WDM utilisant des taux de transmission très élevés, allant même jusqu’à 320 Gb/s [8]. Les systèmes SSWDM ne sont pas aussi performants, mais des transmissions sans erreur ont été démontrées à des taux acceptables pour l’accès métropolitain. D’ailleurs, cette technique a permi d’obtenir des résultats expérimentaux impressionnants pour le SSWDM à des taux de 622 Mb/s, 1.25 Gb/s et 2.5 Gb/s pour une source optique d’une largeur de bande relativement faible (≤ 100 GHz). La conversion de longueur nous force à reconsidérer l’efficacité spectrale et le niveau de performance des réseaux SSWDM. De plus, l’utilisation d’une source laser locale dans un schéma de conversion de longueur d’onde au détecteur permet de réduire le coût du système. En effet, l’ajout d’un laser local au récepteur n’engendre pas une augmentation majeure des coûts du système, car le laser local ne nécessite pas de stabilisation en longueur d’onde. Il peut donc s’agir d’un laser de faible qualité, contrairement au laser servant comme source lumineuse au transmetteur, qui doivent être puissants et stables. Ce sont ces différentes raisons qui nous poussent à continuer l’étude des performances des systèmes de communication SSWDM avec conversion de longueur d’onde au récepteur. En effet, l’utilisation de la conversion de longueur d’onde à la détection (décrite à la section 3.1) améliore substantiellement les performances des systèmes. En particulier, le taux d’erreur binaire (BER) est diminué par plusieurs ordres de grandeur, passant dans certains cas de 10−3 à 10−7 . Il s’agit d’un changement significatif, puisqu’un système dont le BER est de 10−3 supporte difficilement l’utilisation de codes correcteurs d’erreurs (FECC). Après le passage dans le SOA, les FECC pourraient être utilisés pour augmenter les performances du système encore d’avantage. Par contre, le mécanisme physique derrière la diminution du taux d’erreur n’est toujours pas parfaitement compris. Ce mémoire présente certains outils analytiques et numériques qui décrivent de la dynamique interne des SOA et qui permettront peut-être une meilleure compréhension du phénomène physique menant à l’amélioration du BER. 1.3 Performance des systèmes SSWDM utilisant un SOA au récepteur Pour quantifier le changement des performances d’un système SSWDM grâce à l’utilisant d’un SOA à la détection, il faut disposer de deux modèles. Le premier modèle sert à décrire la source optique incohérente et le deuxième à décrire le comportement dynamique du SOA. Lorsque ces deux éléments sont disponibles, il devient possible Chapitre 1. Introduction 4 d’évaluer en simulation la performance du système avant et après le SOA. Le critère le plus juste pour évaluer la performance d’un système de communication est le BER, mais il est difficile à évaluer. Il existe deux façon de procéder : 1. en procédant à l’intégration de la densité de probabilité (PDF) de l’intensité du signal après la photodétection [3, 9, 10], 2. en employant une simulation entièrement numérique de type Monte-Carlo qui compte directement les erreurs. Dans le premier cas, obtenir une expression analytique de la distribution de l’intensité du signal modulé à la sortie du SOA est difficile. Il faudrait être capable de solutionner le système d’équations différentielles partielles (PDE) couplées qui régissent le comportement dynamique du SOA. La résolution analytique de ce système sans aucune approximation n’a pas été démontrée à la connaissance de l’auteur. Il est cependant possible de faire des simplifications, mais la source incohérente à l’entrée du SOA est décrite par un processus stochastique. Même dans ce cas, la résolution d’une ODE comprenant une variable de nature aléatoire reste délicate. L’approche entièrement numérique pour estimer le BER après le SOA est donc adoptée. Pour quantifier l’amélioration du BER, il faut être capable de l’estimer pour le système SSWDM normal et pour le système SSWDM après un certain traitement fait par l’amplificateur. Cependant, il est important de mentionner qu’une simulation de type Monte-Carlo nécessite le traitement d’un très grand nombre d’échantillons temporels. En effet, comme le BER attendu est relativement faible (de l’ordre de 10−9 ), le nombre de bits traités doit être très élevé. De plus, comme chaque bit comporte plusieurs échantillons temporels, le nombre total de ces derniers devient rapidement très grand (plusieurs milliards). La rapidité des simulations est donc un critère fondamental dans l’analyse des différents modèles de SOA. 1.4 1.4.1 Plan du mémoire Modélisation des sources incohérentes La première partie de ce mémoire est consacrée à la présentation de la théorie entourant les sources optiques incohérentes. Notre objectif est d’obtenir un modèle de la distribution d’intensité (PDF) de ces sources. On propose à la section 2.3 un modèle simple, basé sur des considérations physiques pour estimer la PDF de l’intensité. D’après Chapitre 1. Introduction 5 ce modèle, la distribution de l’intensité optique peut être décrite par une loi Gamma, qui contient deux degrés de liberté. Les deux paramètres de cette loi Gamma ont une signification physique très importante : ils représentent la moyenne de l’intensité et son rapport signal-à-bruit (SNR). Donc, avant de présenter la démonstration de la PDF, on commence par présenter deux approches pour obtenir le SNR après photodétection qu’on appelle facteur M. À la section 2.1, le modèle de Goodman permet d’obtenir une expression du SNR optique. Comme cette méthode manque de généralité, il devient nécessaire d’introduire celle de Duan, à la section 2.2. L’avantage de la méthode de Duan sur celle de Goodman est qu’elle permet de décrire le SNR d’une source optique ayant une forme quelconque. Par la suite, deux méthodes mathématiques permettant de simuler un signal d’intensité d’une source thermique sont présentées, l’une dans le domaine fréquentiel et l’autre dans le domaine temporel. La première méthode, présentée à la section 2.4, décrit le champ électrique de la source optique comme une série de composants spectraux discrets ayant certaines propriétés d’amplitude et de phase. Elle utilise ensuite une transformée de Fourier inverse pour retrouver le champ dans le domaine du temps. La forme de l’intensité optique I(t) est ensuite obtenue en prenant le module carré du champ. La deuxième méthode considère le champ électrique comme un processus stochastique dans le domaine temporel. Le processus est exprimé sur une base de fonctions orthogonales à l’aide d’une décomposition de Karhunen-Loève [11, 12], tel que présenté à l’annexe A.1. La projection du processus sur une base de fonctions orthogonales est similaire à une transformation de Fourier. Cependant, le processus décomposé respecte le spectre, et donc la fonction d’autocorrélation [13], du processus stochastique original. Pour certaines applications numériques, manipuler la décomposition peut s’avérer plus simple que de manipuler l’expression originale du processus. 1.4.2 Modélisation des SOA Dans un deuxième temps, une description de la modélisation des amplificateurs à semi-conducteur est présentée au chapitre 3.2. Tout d’abord, la théorie des matériaux semi-conducteurs est brièvement expliquée. Elle mène directement aux équations du gain matériel de l’amplificateur, qui sont présentées à la section 3.3.1. Cette description est ensuite utilisée dans un modèle détaillé des SOA. Seuls la phase et quelques phénomènes ultra-rapides ne sont pas considérés par ce modèle. A priori, l’abandon de l’information sur la phase est justifiée par le fait que le système utilise une source incohérente à large-bande. Même s’il serait plus juste de conserver l’information sur Chapitre 1. Introduction 6 la phase, elle rend les simulations plus longues et la paramétrisation du modèle plus difficile. Le modèle détaillé présenté à la section 3.4.1 est le premier des cinq modèles de SOA étudiés. Diverses approximations relatives à la propagation, aux pertes et à la distribution des porteurs dans le SOA servent à réduire le système de PDE régissant la dynamique du SOA. On obtient en définitive une seule équation différentielle ordinaire (ODE), uniquement fonction d’une variable nommée réservoir. Cette variable globale, commune à tous les canaux, est proportionnelle à la quantité totale de porteurs de charge dans le SOA. En utilisant toujours la même ODE, différents modèles numériques de plusieurs niveaux de complexité et de performance sont mis en place. Dans la version la plus simple de ces algorithmes, on considère l’amplificateur comme un seul bloc, un seul réservoir, qui n’émet pas d’ASE (section 3.4.2). Les simulations indiquent cependant que l’ASE est nécessaire, puisqu’elle introduit une saturation à faible signal. Pour remédier à cette lacune, deux autres modèles sont introduits aux sections 3.4.3 et 3.4.4. Ils incluent une description originale de l’ASE qui est calculée à plusieurs longueurs d’onde. Pour augmenter la fiabilité des simulations, l’amplificateur est aussi divisé en plusieurs sections, ayant chacune leur propre réservoir de porteurs. La différence entre ces deux modèles réside dans la description du gain matériel, qui change le spectre de gain. Finalement, un modèle avec un canal équivalent remplaçant l’ASE distribuée est présenté à la section 3.4.5. Ce canal fictif remplace l’ASE et est traité comme un signal à part entière. Ce canal a pour objectif de reproduire la saturation causée par l’ASE dans le modèle, mais en accélérant le calcul. Le nombre limité de paramètres de ce dernier modèle a pour avantage de faciliter l’optimisation de leur valeurs et la rapidité de la simulation. Même lorsqu’il est discrétisé spatialement, le modèle du réservoir reste toujours différent du modèle détaillé. En effet, il ne considère jamais les interactions entre les sections. Il s’agit en réalité d’un modèle s’approchant plus d’une cascade d’amplificateurs, dont le flux de photons est toujours orienté dans la même direction. L’abscence de rétroaction évite de devoir converger vers une solution globale, où les tranches sont à l’état d’équilibre les unes avec les autres. Le développement d’un algorithme basé sur le modèle du réservoir pour les SOA est une originalité de ce travail. Jusqu’ici, le modèle avait été démontré seulement pour les EDFA [14]. Il existe cependant une différence majeure entre les EDFA et les SOA dans le calcul du gain. En effet, le calcul du gain pour un EDFA est basé sur les sections efficaces d’émission et d’absorption de l’erbium, qui sont des quantités fixes d’un amplificateur à l’autre. Par contre, pour les semi-conducteurs, le gain est Chapitre 1. Introduction 7 déterminé par un calcul basé sur les propriétés du milieu de gain. Comme ce sont des propriétés variables, elles rendent inutilisable l’approche précédente basée sur les sections efficaces. Une deuxième innovations de ce travail consiste à obtenir la valeur du gain en se servant de la description du modèle détaillé. Pour respecter les hypothèses mathématiques du réservoir, le gain matériel est linéarisé à chaque longueur d’onde. Deux méthodes d’extraction des coefficients du gain sont étudiées, et leur influence sur la forme du spectre de gain est expliquée. La validité de la majeure partie des résultats de simulation présentés dans ce mémoire est analysée en prenant comme point de repère les résultats expérimentaux correspondants. Chapitre 2 Modélisation des sources optiques incohérentes Les systèmes de communication métropolitains par fibres optiques destinés à l’accès du grand public pourraient bénéficier de l’utilisation de sources optiques peu coûteuses. Parmi les possibilités se trouvent les sources incohérentes à large bande obtenues à partir du spectre d’ASE d’un amplificateur optique. De telles sources sont peu coûteuses et peuvent être partagées entre plusieurs usagers. Le désavantage de ces sources optiques est leur de bruit d’intensité élevé, qui augmente proportionnellement à l’intensité optique. Les sources optiques incohérentes, considérées comme des sources thermiques [11], sont obtenues en sélectionnant (filtrant) une partie du spectre d’ASE d’un amplificateur optique. On traite ici de cohérence temporelle, puisque la source est confinée à une fibre optique. Comme il est présenté dans ce chapitre, tous les composants spectraux de la source sont considérés indépendants. Donc, une source plus large spectralement a un temps de cohérence plus faible. Pour estimer les performance d’un système de communication utilisant une source thermique et un SOA, il faut détenir un modèle décrivant adéquatement le signal d’intensité I(t) de la source. Cette modélisation doit posséder deux caractéristiques importantes : le bon spectre et la bonne stastique d’intensité. Chapitre 2. Modélisation des sources optiques incohérentes 2.1 9 Intensité intégrée et SNR selon le modèle de Goodman Lors de la photodétection d’un signal optique, la rapidité des variations mesurables est déterminée par la bande passante du détecteur. Cette limite dans la réponse en fréquences du détecteur est équivalente à un filtrage dans le domaine temporel en sinus cardinal dont la largeur est inversement proportionnelle à la bande passante. L’intensité intégrée W (t) a l’avantage d’être une quantité mesurable, contrairement à l’intensité instantanée I(t). Par définition, on écrit W (t) , Z t+T /2 I(ζ) dζ . (2.1) t−T /2 Expérimentalement, il est possible d’obtenir un histogramme de la distribution de W (t), équivalent à une mesure de sa PDF, ce qui permet une validation de la théorie de Goodman [11] présentée dans cette section. Comme on suppose que la lumière provient d’une source thermique, qu’elle est ergodique et stationnaire, un instant arbitraire (dans ce cas t = 0) est choisi pour évaluer l’intensité intégrée. W = Z T /2 I(ζ) dζ (2.2) −T /2 La PDF de W (t) est importante, puisqu’elle donne beaucoup d’information sur le niveau de bruit du signal, qui influence les performances du système de communication. En continuant le développement comme en [11], on procède au calcul du rapport signal à bruit optique (SN Rrms ), qui est défini comme la moyenne du signal divisée par son écart-type. SNRrms , E [W ] σW (2.3) La moyenne de l’intensité intégrée est obtenue en prenant l’espérance de l’expression 2.2. La moyenne étant la même à tous les instants du temps, on s’accorde le droit de la calculer à t = 0. De plus, en supposant l’ergodicité du processus on écrit Chapitre 2. Modélisation des sources optiques incohérentes W , E [W ] = Z 10 T /2 Idζ = IT . (2.4) −T /2 À l’équation 2.4, on fait l’hypothèse de l’ergodicité du processus stochastique W (t). L’hypothèse est justifiée dans la mesure où le processus est stationnaire et qu’il est possible de démontrer en simulation l’ergodicité de la source (voir section 5.1.1). Dans tous les calculs qui suivent, les moyennes temporelles et d’ensemble sont supposées équivalentes. On note la moyenne temporelle en surlignant la variable et la moyenne d’ensemble par l’opérateur espérance noté E. Supposer l’ergodicité est essentiel pour vérifier la correspondance entre la théorie et les mesures expérimentales. Ces dernières sont faites en échantillonant l’intensité dans le temps un très grand nombre de fois, mais pour une seule réalisation du processus. Même en supposant l’étude d’un processus stationnaire, effectuer la même expérience un grand nombre de fois (pour obtenir plusieurs réalisations) n’est pas possible avec l’équipement expérimental disponible. L’étape suivante dans le calcul du SNR en moyenne quadratique consiste à obtenir la variance de l’intensité intégrée. En appliquant la relation 2 σX , var [X] = E X 2 − (E [X])2 (2.5) au processus stationnaire W (t) dont la moyenne est constante, on obtient 2 σW = E Z T /2 −T /2 I(ζ − t) dζ !2 − W2 En l’évaluant à t = 0, la variance prend alors la forme (2.6) (2.7) 11 Chapitre 2. Modélisation des sources optiques incohérentes Z 2 σW = E = = Z T /2 −T /2 T /2 −T /2 Z T /2 −T /2 Z T /2 !2 2 I(ζ) dζ − W −T /2 Z T /2 −T /2 I(ζ)I(η) dζdη − W (2.8) 2 ΓI (ζ − η) dζdη − W (2.9) 2 (2.10) où ΓI est la fonction d’autocorrélation de l’intensité optique instantanée I(t). L’intégrand de l’équation 2.10 est une fonction paire du temps et les deux intégrales sont bornées sur une période d’observation T . Il est alors possible de récrire l’équation 2.10 comme [11] : 2 σW = Z ∞ −∞ Z ∞ Rect −∞ t+τ T t 2 Rect ΓI (t, t + τ ) dt dτ − W T (2.11) où la fonction Rect(t/T ) est une fenêtre rectangulaire de durée T centrée à l’origine et de hauteur unitaire. Comme une fonction triangulaire résulte du produit de convolution de deux fonction rectangulaires, l’équation 2.10 prend alors la forme 2 σW =T Z ∞ Λ −∞ τ T ΓI (τ ) dτ − W 2 (2.12) où la fonction triangulaire Λ(τ /T ) est définie comme Λ τ T = ( 1 − |τ | 0 −T ≤ τ ≤ T ailleurs (2.13) Tel que mentionné par Goodman, la fonction d’autocorrélation de l’intensité est équivalente à une fonction de cohérence du quatrième ordre des champs électriques E(t) [11] car par définition I(t) ≡ E(t)E ⋆ (t). La fonction d’autocorrélation de l’intensité optique s’exprime de manière générale comme 12 Chapitre 2. Modélisation des sources optiques incohérentes ΓI (τ ) = E [E(t1 )E ⋆ (t2 )E(t3 )E ⋆ (t4 )] (2.14) où E ⋆ (t) représente le complexe conjugué du champ électrique E(t). En supposant la stationarité du processus aléatoire, la fonction d’autocorrélation de l’intensité s’exprime de manière générale comme ΓI (τ ) = E [E(t)E ⋆ (t)E(t + τ )E ⋆ (t + τ )] . (2.15) Pour une source thermique, les champs électriques sont modélisés par des variables aléatoires gaussiennes circulaires [11, 12]. Une discussion de la nature de ces variables est présentée à l’annexe A.1. Le théorème suivant, propres aux variables gaussiennes [11, 13] E [E(t1 )E(t2 )E ⋆ (t3 )E ⋆ (t4 )] = ΓE (t1 , t3 )ΓE (t2 , t4 ) + ΓE (t2 , t3 )ΓE (t1 , t4 ) (2.16) peut être utilisé pour obtenir, dans le cas d’un processus stationnaire, 2 ΓI (τ ) = I 1 + |γ(τ )|2 2 W = 1 + |γ(τ )|2 . T (2.17) (2.18) La variable γ(τ ) = ΓE (τ )/ΓE (0) représente le degré de cohérence de l’intensité. Pour une source parfaitement polarisée, la variance est exprimée par 2 σW 2 = (W ) 1 T Z ∞ −∞ Λ τ T 2 |γI (τ )| dτ . (2.19) Pour augmenter la généralité de la démarche, il est possible de refaire le développement dans le cas d’une source partiellement polarisée. Pour y arriver, on décompose l’intensité sur deux polarisations orthogonales 13 Chapitre 2. Modélisation des sources optiques incohérentes I(t) = I1 (t) + I2 (t) . (2.20) On obtient alors une expression similaire de la variance, qui inclut le degrée de polarisation noté ρ : 2 σW Z ∞ τ 1 + ρ2 2 2 1 (W ) Λ |γI (τ )| dτ . = 2 T −∞ T (2.21) Dans le cas d’une source parfaitement polarisée, ρ = 1 et l’équation 2.21 revient à l’équation 2.19. Lorsque ρ = 0, on revient à la moitié de l’équation 2.19 car chaque polarisation contient la moitié de la puissance selon l’équation 2.20. La définition du SNR en moyenne quadratique est présentée de manière explicite aux équations suivantes. SNR = W σW =r (2.22) 1+ρ2 (W )2 2 W h R ∞ 1 T 12 2 M = 1 + ρ2 −∞ Λ τ T |γI (τ )| dτ i (2.23) (2.24) En obtenant l’expression du SNR, on définit le facteur M, qui a une signification physique très importante. Sa définition est donnée par 1 M, T Z ∞ −∞ Λ τ T |γI (τ )| dτ −1 . (2.25) dans le cas d’un filtre électrique intégrateur (integrate and dump). Avec cette définition il devient possible de relier la distribution d’intensité d’une source, le SNR et M, tant au niveau expérimental qu’au niveau théorique. On peut alors formuler un estimer de M pour une source incohérente particulière. Le facteur M a une interprétation physique importante, qui nous permet à la section 2.3 d’obtenir une approximation de la PDF de l’intensité intégrée W (t). À la prochaine Chapitre 2. Modélisation des sources optiques incohérentes 14 section, on voit que l’intensité est distribuée selon une loi gamma (sous certaines conditions). Selon [11], le facteur M représente le ratio du temps d’observation T sur le temps de cohérence de la source. Autrement dit, il s’agit du nombre d’intervalles de cohérence de la lumière compris dans un intervalle d’observation, qui correspond au filtrage électrique. Cette interprétation devient claire lorsqu’on observe les deux cas extrêmes T ≫ τc et T ≪ τc . L’équation 2.25 prend alors les valeurs [11] suivantes M= ( T /τc 1 T ≫ τc T ≪ τc (2.26) Le cas où M = 1 signifie que l’intervalle d’observation contient au moins un intervalle de cohérence de la lumière. Cependant, dans le cadre d’un système SSWDM, les sources large-bande incohérentes ont un temps de cohérence très court et l’approximation T ≫ τc est valide. Elle provient du fait que l’on traite le temps de cohérence τc comme l’inverse de la largeur spectrale du filtre optique et le temps d’observation T comme l’inverse de la largeur du filtre électrique (lui-même déterminée par le taux de transmission). Alors, le facteur M peut être estimé en utilisant la relation suivante M≈ Bo Be (2.27) pour les sources optiques non-polarisées avec Bo ≫ Be . À la section 2.2, une équation alternative est développée pour le SNR d’une source large-bande incohérente qui est filtrée optiquement, détectée et filtrée électriquement. On se rappelle que l’équation 2.24 développée par Goodman [11] est valide pour un filtre intégrateur, c’est-à-dire un filtrage en sinus cardinal. À la prochaine section, on développe une expression mathématique pour le SNR d’une source incohérente qui tient compte d’un filtrage non-idéal. On développe une expression pour le facteur M basée sur l’équation 2.24 qui dépend seulement du spectre optique de la source large-bande filtrée et de la fonction de transfert du filtre électrique. À la section 2.3, on utilise l’interprétation physique de M pour estimer la distribution de W (t) comme une loi Gamma dont les paramètres sont le facteur M et la moyenne W du processus W (t). 15 Chapitre 2. Modélisation des sources optiques incohérentes 2.2 SNR d’une source optique filtrée arbitrairement Le SNR est crucial dans l’analyse des sources thermiques et il est indispensable de pouvoir l’extraire des données expérimentales. L’approche de Duan [15] reprise par Mathlouthi [16] permet d’obtenir des formulations de la PSD électrique du photocourant et du facteur M générales et pratiques. Par construction, on suppose qu’une source large-bande est utilisée pour générer de l’ASE, par exemple un amplificateur optique sans signal d’entrée. Cette source est ensuite filtrée optiquement et la sortie du filtre est incidente sur un photodétecteur sensible à l’intensité de la lumière. On suppose E(t) le champ électrique complexe de la source filtrée optiquement et E(ω) sa transformée de Fourier. La puissance optique est p reliée au champ électrique E(ω) par la relation E(ω) = S(ω) exp(jφ(ω)) où ω = 2πf . Le schéma de la figure 2.1 illustre le système tel que décrit par Duan, avec f comme variable de fréquence. On fait tout d’abord l’hypothèse que le photocourant i varie linéairement avec la puissance optique. La constante de proportionnalité R représente la responsivité du photodétecteur, qui ne fournit aucun courant sans signal lumineux. On fait ici une simplification importante, car en réalité le photocourant dépend de l’efficacité du détecteur et de son aire efficace. On suppose ici que ces deux quantités sont constantes sur la plage spectrale d’intérêt et on les inclut dans la responsivité R. Donc, en se basant sur l’équation 2.17, on obtient l’autocorrélation du photocourant donnée par [15] 2 Γi (τ ) = I R2 " |ΓE (τ )|2 1 + 2 i # (2.28) où ΓE (τ ) est l’autocorrélation du champ définie comme ΓE (τ ) = E[E(t)E ⋆ (t + τ )]. Duan obtient aussi une expression décrivant la fonction d’autocorrélation de l’intensité identique à l’expression 2.17. On peut réécrire l’équation 2.28 sous la forme Source d’ASE large-bande Filtre optique S ASE ( f ) Filtre électrique S ASE ( f ) Bo ( f ) i( f ) Fig. 2.1 – Schéma du modèle développé par Duan i' ( f ) 16 Chapitre 2. Modélisation des sources optiques incohérentes 2 2 Γi (τ ) = I R + R 2π 2 Z ∞ −∞ Z ∞ SASE (ω)Bo (ω)· −∞ · SASE (ω ′ )Bo (ω ′ ) exp [j(ω − ω ′ )τ ] dω dω ′ (2.29) En procédant au changement de variable Ω , ω −ω ′ et en distribuant les constantes, on obtient R2 Γi (τ ) = I R + 2π 2 2 Z ∞ −∞ 1 2π Z ∞ −∞ SASE (ω)Bo (ω) · · SASE (ω + Ω)Bo (ω + Ω) dω] exp [jΩτ ] dΩ . (2.30) Pour obtenir la PSD du photocourant à partir de Γi (τ ), il faut donc prendre la transformée de Fourier de l’équation 2.30. On annulle ainsi la transformée de Fourier inverse (en Ω) du second terme et la PSD du photocourant Si (Ω) prend alors la forme R2 Si (Ω) = 2πI δ (Ω) + 2π 2 Z ∞ SASE (ω)Bo (ω) SASE (ω + Ω)Bo (ω + Ω) dω (2.31) −∞ où δ(Ω) est la fonction delta de Dirac. Le premier terme de droite est la partie continue (DC) de la PSD du photocourant, associé au niveau de puissance moyen de l’ASE qui est dans ce cas notre signal. Le deuxième terme de droite de l’équation 2.31 représente la puissance du bruit (le contenu AC). Après le filtrage électrique, le contenu AC du bruit est le produit de la fonction de transfert du filtre Be (Ω) avec le second terme de l’équation 2.31. La variance du bruit est l’aire sous la PSD du photocourant après filtrage i′ . σi2′ R2 = 2π Z −∞ ∞ Z ∞ −∞ SASE (ω)Bo (ω)SASE (ω + Ω)Bo (ω + Ω)dω Be (Ω) dΩ . (2.32) Dans la plupart des cas, la largeur de la source d’ASE SASE (ω) est beaucoup plus importante que la largeur du filtre optique, déterminée par Bo (ω). On fait donc l’approximation que SASE (ω) est constante sur la largeur du filtre optique Bo (ω), et on l’évalue à ω = ωc pour la sortir de l’intégrale, ce qui donne 17 Chapitre 2. Modélisation des sources optiques incohérentes σi2′ = 2 SASE (ωc ) R2 2π Z −∞ ∞ Z ∞ Bo (ω)Bo (ω + Ω)dω Be (Ω) dΩ . −∞ (2.33) On obtient le SNR du photocourant pour en extraire le facteur M en utilisant une démarche similaire à celle présentée à la section 2.1. En pratique, le numérateur est le même que qu’en 2.33, mais sans la dépendance en Ω sur Bo (ω). Comme l’intégrale de la fonction de trasfert du filtre électrique a une valeur unitaire par définition, on obtient la définition générale du facteur M présentée à l’équation suivante. M , R ∞ hR ∞ −∞ hR ∞ −∞ Bo (ω)dω i2 i (2.34) B (ω)Bo (ω + Ω)dω Be (Ω) dΩ −∞ o Cette expression de M est la forme générale de l’équation 2.25, car elle est valide pour des filtres électrique et optique de formes arbitraires. De plus, il est possible d’obtenir au laboratoire une mesure de la forme du spectre optique Bo (ω) et d’obtenir une caractérisation de la fonction de transfert en puissance du filtre électrique Be (ω). Cependant, dans la plupart des cas, on modélise le filtre électrique comme un filtre Bessel-Thompson de quatrième ordre [9]. Il s’agit d’un modèle de filtre dont la réponse en fréquence se rapproche de celles des filtres utilisés au laboratoire. 2.3 Distribution de l’intensité intégrée Cette section présente une méthode pour obtenir la densité de probabilité de l’intensité optique intégrée W (t) des sources incohérentes. Elle est basée sur l’approximation de l’intensité instantanée I(t) par une série de valeurs discrètes, tel qu’illustré à la figure 2.2. Cette approche du boxcar averaging divise la période d’observation T en M différentes sections, de la même manière que le ferait un bloqueur d’ordre zéro (sample and hold ). Il s’agit du même facteur M développé précédemment. On l’interprète ici comme le nombre de périodes de cohérence de la source optique dans l’intervalle d’intégration du photodétecteur. Comme le champ électrique est supposé gaussien, son module est alors distribué selon une loi de Rayleigh [13]. L’intensité optique est proportionnelle au module carré du champ, et donc elle suit une distribution de probabilité de la forme exponentielle 18 Chapitre 2. Modélisation des sources optiques incohérentes Approximation de W(t) I(t) -T/2 T/2 temps Fig. 2.2 – Approximation de l’intensité intégrée négative. Pour faciliter les calculs, l’intensité I(t) est alors décrite par une fonction continue par parties dont les M sections ont chacune une durée ∆t. W = Z T /2 I(ζ)dζ (2.35) −T /2 ∼ = M X i=1 M T X Ii ∆t = Ii M i=1 (2.36) Le signal est considéré sur l’intervalle [−T /2, T /2], ce qui revient à l’approximation de la réponse impulsionnelle rectangulaire proposée par Goodman [11]. Comme le filtre optique est large, le temps de cohérence du champ électrique τc est court et on peut supposer que l’intégration électrique sur T inclut plusieurs fois le temps de cohérence. Alors, on suppose qu’il y a M = T /τc segments d’intensités indépendantes Ii sur [−T /2, T /2]. En connaissant la densité de probabilité de chaque variable aléatoire Ii , on peut retrouver la distribution de W (t). On fait l’hypothèse que les variables Ii (t) sont indépendantes et identiquement distribuées suivant une oi exponentielle négative. À partir de la fonction génératice des moments (MGF), nous pouvons chercher la densité de probabilité de la somme des variables Ii (t). Il est possible de démontrer que la variable I(t) possède une MGF de la forme [11] : MGFI (ω) = 1 . 1 − jωI (2.37) La MGF d’une somme de variables aléatoires indépendantes est le produit des MGFs, 19 Chapitre 2. Modélisation des sources optiques incohérentes donc MGFW (ω) ∼ = ∼ = " " 1 1 − jω IT M 1 W 1 − jω M #M (2.38) #M (2.39) En prenant la transformée de Fourier inverse pour retourner au domaine des probabilités, on obtient la distribution de W (t) M pw (W ) ∼ = W M W M−1 exp −MW/W Γ(M) (2.40) où Γ(M) est ici la fonction Gamma. Ce résultat est significatif, en ce sens qu’il donne une description de la PDF de l’intensité d’un signal incohérent de moyenne constante (CW). La figure 2.3 présente la forme que prend cette expression en fonction des deux paramètres, la moyenne W et le facteur M. La correspondance entre la théorie et les données expérimentales est présentée aux figures 5.4 et 5.5. Ces figures indiquent aussi que pour une moyenne fixe, la PDF se ressère autour de la valeur moyenne lorsque le facteur M augmente. 0.7 Moy. = 0.7 Moy. = 1 Moy. = 2 Moy. = 3 1 Fréquence Relative 0.8 Fréquence Relative M=1 M=2 M=5 M = 10 0.6 0.6 0.4 0.5 0.4 0.3 0.2 0.2 0.1 M=2 0 0 1 2 3 4 5 Intensité (U.A.) (a) Moyenne fixe. 6 7 Moyenne = 2 8 0 0 1 2 3 4 5 6 7 Intensité (U.A.) (b) Facteur M fixe. Fig. 2.3 – Distribution de l’intensité en fonction des deux paramètres 8 Chapitre 2. Modélisation des sources optiques incohérentes 2.4 20 Modélisation dans le domaine fréquentiel Il existe deux méthodes numériques pour générer une réalisation de l’intensité I(t) du signal optique émise par une source thermique. La méthode la plus simple pour générer un signal dont la bande spectrale est parfaitement limitée consiste à construire le champ électrique dans le domaine des fréquences. Il est alors possible de lui assigner un spectre strictement limité. On prend ensuite la transformée de Fourier pour retrouver le champ dans le domaine temporel, puis le module carré du champ pour obtenir le signal d’intensité I(t). Goodman suggère une modélisation du champ comme la somme de phaseurs ayant des amplitudes et des phases aléatoires [11] : Nb 1 X αk ejφk . Ep (ω) = √ Nb k=1 (2.41) En procédant ainsi, Goodman fait l’hypothèse que tous les composants spectraux sont à la même fréquence ce qui permet de faire la somme des phaseurs. Pour obtenir une meilleure signification physique, on introduit un certain étalement spectral, comme le montre l’équation 2.42. De plus, Goodman pose trois conditions sur les variables aléatoires αk et φk : – Les amplitudes et les phases doivent être indépendantes entre elles. – Les variables αk doivent être identiquement distribuées pour toutes les valeurs des indices. α est la moyenne et α2 est le moment d’ordre deux des variables αk . – Les phases φk doivent être uniformément distribuées sur l’intervalle (−π, π). La modélisation utilisée est en réalité le cas le plus simple qui respecte ces trois propriétés. En prenant les amplitudes constantes, on respecte les conditions sur la moyenne et le moment d’ordre deux. Selon Goodman, l’utilisation des amplitudes constantes est justifiée dans la mesure où le nombre de composants spectraux est relativement élevé [11]. Dans notre modèle fréquentiel, le champ électrique se définit comme Nb X A √ δ(ω − k∆ω) ejφk E(ω) = Nb k=1 (2.42) Chapitre 2. Modélisation des sources optiques incohérentes 21 où Nb représente le nombre de fonctions qui forment la base. Les phases φk sont des variables aléatoires indépendantes distribuées uniformément entre −π et π. Cette équation représente un peigne de fonctions delta de Dirac (assimilées à des lasers) régulièrement espacées formant une bande optique rectangulaire, puisque l’amplitude est la même pour toutes les fréquences. On peut aussi adapter la simulation à une autre forme de filtrage optique, comme par exemple gaussien tronqué ou lorentzien tronqué. Il ne reste qu’à prendre la transformée de Fourier inverse pour obtenir le signal temporel E(t) = TF−1 {E(ω)}. E(t) = Z Nb ∞ X −∞ k=1 A √ ejφk δ(ω − k∆ω)ejωt dω Nb (2.43) En utilisant les propriétés de la fonction delta et en supposant que l’ordre des opérations peut être inversé, on obtient Nb A X ejφk ej k∆ω t . Ep (ω) = √ Nb k=1 (2.44) En faisant quelques hypothèses [11], on peut supposer que tous les phaseurs sont à la même fréquence. On obtient donc la correspondance avec le résultat de Goodman, mais dans un cas particulier très simple Nb A X ejφk . Ep (ω) = √ Nb k=1 (2.45) Il s’agit bien d’un cas particulier où les amplitudes ne sont pas aléatoires. Il a été vérifié à l’aide de simulations numériques que la fonction I(t) = |E(t)|2 ainsi obtenue respecte la forme de la distribution de l’intensité et la PSD. Une investigation de la modélisation de ces sources et de l’effet de la distribution de probabilité des variables aléatoires αk et φk est présentée par Vannucci et Teich [17]. Chapitre 2. Modélisation des sources optiques incohérentes 2.5 22 Résumé du chapitre Au chapitre 2, une description de l’intensité intégrée d’une source de lumière thermique a été développée en se basant sur la notion d’intensité instantannée. L’intensité intégrée a l’avantage d’être mesurable au laboratoire, ce qui n’est pas le cas de l’intensité instantannée. Pour obtenir l’expression de l’intensité intégrée, différentes suppositions sont faites au sujet de la source. Elle doit être thermique, stationnaire et ergodique. À partir de cette définition, on peut développer une expression pour le facteur M, le SNR de la source optique après photodétection. Deux méthodes sont présentées : celle de Goodman, qui est valide pour un filtre intégrateur, et celle de Duan, qui requière seulement que les formes de filtres soient intégrables. Par la suite, une modélisation simple de la source thermique est faite pour obtenir une distribution de l’intensité intégrée de la source. En supposant que les temps de cohérence de la source optique sont indépendants et que leurs intensités respectives sont identiquement distribués selon une loi exponentielle négative, il est possible de déterminer la distribution de l’intensité d’une source incohérente. Mathématiquement, on obtient que l’intensité est distribuée selon une loi Gamma dont les paramètres sont la moyenne et le facteur M. Dans la dernière section du chapitre, une modélisation numérique de la source incohérente est présentée. La source est modélisée dans le domaine fréquentiel comme un peigne de fonctions delta de Dirac à des fréquences régulièrement espacées. Toutes ces fréquences pures ont la même amplitude, mais des phases aléatoires réparties uniformément entre 0 et 2π. Chapitre 3 Modélisation des amplificateurs optiques à semi-conducteur Ce chapitre introduit les principaux concepts utilisés lors de la modélisations des SOA. Le mécanisme de XGM, à la base de ce travail, est présenté. Puis, on retrouve une introduction à la physique des solides nécessaire à la compréhension du calcul du gain matériel de l’amplificateur. Par la suite, cinq modèles de simulations numériques pour les SOA sont présentés. Pour simplifier les calculs, la région active du SOA est décrite géométriquement par un prisme à base rectangulaire. L’aire de section transverse A est donnée par le produit des dimensions perpendiculaires à l’axe de propagation de la lumière d et w. Selon l’axe de propagation z, l’amplificateur est de longueur L, tel qu’illustré sur le schéma 3.1. w z L d 0 Fig. 3.1 – Représentation simplifiée de la région active d’un SOA Pour raffiner le modèle, il est possible de diviser également la longueur L en Nz Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 24 sections comme illustré à la figure 3.1. La densité de porteurs n(z, t), constante par parties, peut alors être déterminée pour chaque section. Elle dépend principalement du pompage de l’amplificateur et des signaux d’entrée du SOA. La densité n(z) est représentée schématiquement par les zones ombragées sur la figure 3.1. En effet, pour obtenir un gain sur l’intensité du signal, on force un courant électrique (la pompe) à passer à travers le SOA. On suppose que la densité de porteurs est uniforme sur la section transverse, et on utilise une valeur moyenne décrite par 1 n(z, t) = wd Z −d/2 d/2 Z −w/2 n(x, y, z, t) dx dy . (3.1) w/2 Dans les modèles présentés, la densité de porteurs n(z, t) joue un rôle essentiel. Elle dépend de la puissance des signaux optiques aux instants tn et tn−1 . Le gain des signaux optiques dépend à son tour de n(z, t), ce qui influence la puissance des signaux optiques. Le système doit être résolu de manière itérative. Si les signaux entrent par la même extrémité du SOA, ils sont dits co-propageants. Sinon, ils sont contre-propageants. Pour harmoniser la notation, l’indice k est utilisé pour identifier les Ns signaux, tandis que l’indice j réfère aux NASE longueurs d’onde de l’émission spontanée amplifiée (ASE). 3.1 Schéma de réduction du bruit d’intensité utilisant la XGM Une des caractéristiques les plus prometteuses des SOA en plus de l’amplification est leur capacité à changer les propriétés du signal optique [6, 18, 19, 20]. On peut s’en servir pour diminuer le bruit d’intensité des sources incohérentes, et ainsi améliorer les performances d’un système de communication SSWDM. L’efficacité de plusieurs techniques a été étudiées, certaines utilisant un SOA au transmetteur [5, 6] et d’autres au récepteur [4, 7, 21]. Une des méthodes pour exploiter les propriétés des SOA au récepteur est l’utilisation de la conversion de longueur d’onde en contre-propagation. Elle est étudiée car elle permet d’obtenir une diminution très importante (de plusieurs ordres de grandeur) du BER par rapport à un système de communication SSWDM simple. Dans cette configuration, le SOA est utilisé pour changer la longueur d’onde d’un signal de communication optique. Le tranfert des données d’un signal laser à λ1 vers un autre à λ2 a été démontré expérimentalement [18, 21]. De plus, Menif et al. ont démontré que la conversion de Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 25 longueur d’onde d’une source incohérente vers un laser améliore les performances [4]. C’est le point de départ de l’étude de l’utilisation des SOA pour le traitement du signal optique. Les mesures présentées à la section 4.1.3 montrent les améliorations des performances obtenues avec ce mécanisme. Pour effectuer la conversion, il suffit en pratique de faire passer deux signaux de longueurs d’onde différentes en même temps dans le SOA. Le canal 1, à la longueur d’onde λ1 contient l’information originale. Ce canal modulé en amplitude (OOK) entre par un port du SOA et est assez fort pour saturer l’amplificateur. Il est illustré en rouge sur la figure 3.2. Pour un système SSWDM, il s’agit de la source incohérentes contenant l’information. Le signal centré sur λ1 peut être soit un laser, soit une source large-bande que l’on note par sa longueur d’onde centrale pour alléger la notation. La définition du rapport d’extinction d’un signal modulé par OOK est [3] RE = P (1 logique) . P (0 logique) (3.2) Ce canal saturant d’une puissance optique élevée affecte la dynamique interne de l’amplificateur. En particulier, le canal 1 affecte la densité de porteurs n(z, t), qui est commune à tous les canaux. De plus, la section 3.3.1 montre que le gain à n’importe quelle longueur d’onde G(λ) dépend fortement de n(z, t). Donc, le gain à toutes les longueurs d’onde est affecté par la puissance optique du signal saturant et par sa longueur d’onde. Pour pouvoir transférer l’information vers une autre longueur d’onde, on introduit un deuxième signal à une longueur d’onde λ2 . Ce canal sonde, représenté en bleu sur la figure 3.2, est initialement continu (CW). Comme il passe dans un amplificateur, sa puissance de sortie est influencée par le gain, un facteur G(λ2 ). Donc, la puissance de out sortie du signal sonde PdB (λ2 ) est influencée par la puissance du canal saturant grâce au gain du SOA selon la relation out in in PdB (λ2 ) = PdB (λ2 ) + G0,1 dB (λ2 , P (λ1 )) . (3.3) Une augmentation de la puissance optique du signal à λ1 diminue le gain du signal sonde à λ2 , et vice versa. Comme le canal à λ1 a deux puissances possibles (deux états logiques), le gain G(λ2 ) prend lui aussi deux valeurs différentes. Elles sont décrites par 26 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 0 1 1 0 1 0 0 1 1 0 1 0 Signal Saturant (modulé OOK) Signal Saturant Amplifié SOA Signal Sonde (modulé par XGM) Signal Sonde (CW) RE 1 0 0 1 0 1 Gain Gain 1 Logique RE Longueur d’onde 0 Logique Longueur d’onde Fig. 3.2 – Modèle schématique de la XGM dans un SOA GdB (λ2 ) = ( 1 GdB (λ2 ) si P (λ1 ) = P (1 logique) 0 GdB (λ2 ) si P (λ1 ) = P (0 logique) (3.4) où G0 (λ2 ) ≥ G1 (λ2 ). La variation de puissance sur le canal saturant est causée par le format de modulation employé (OOK). En observant seulement le canal sonde à λ2 , on peut récupérer les données binaires initialement présentes sur canal saturant à λ1 . On remarque que le rapport d’extinction sur le canal 2 dépend de la variation du gain G(λ2 ) entre ses deux états G0 (λ2 ) et G1 (λ2 ). Les données binaires sont inversées par le processus de conversion de longueur d’onde. 3.2 Fondements physiques des semi-conducteurs Ayant décrit l’utilisation spécifique du SOA qui nous intéresse, on procède à l’analyse nécessaire pour modéliser son comportement. Pour comprendre la modélisation des SOA, il est nécessaire de présenter les fondements de la physique des solides. Ce survol rapide permet d’introduire les principales interactions optiques des SOA : l’absorption, l’émission stimulée et l’émission spontanée. Les électrons liés à un atome (dans un potentiel constant) occupent uniquement Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 27 certains niveaux d’énergie discrets. L’interaction entre les atomes d’un cristal affecte les niveaux énergétiques possibles des électrons. La résolution de l’équation de Schrödinger pour un potentiel périodique montre que les niveaux énergétiques se regroupent pour former des bandes quasi-continues [22, 23, 24, 25] qui sont schématisées à la figure 3.3. E CB Eb Efc Evc Ea Trous lourds Trous légers VB k Fig. 3.3 – Modèle des bandes dans un semi-conducteur Entre ces bandes se trouve un gap énergétique, c’est-à-dire une collection de niveaux énergétiques qui ne sont pas des solutions acceptables de l’équation de Schrödinger et qui sont par conséquent interdits. Dans le cas d’un cristal semi-conducteur, les bandes sont nommées bande de conduction (CB) et bande de valence (VB), cette dernière contenant les niveaux de moindre énergie. Un électron qui veut passser d’une bande à l’autre doit nécessairement absorber ou émettre au moins un quanta d’énergie. La relation entre l’énergie et la fréquence de l’onde optique associée à un photon est donnée par la relation E = hν (3.5) attribuée à De Broglie. Par définition, les bandes d’un semi-conducteur non-dégénéré ne se recouvrent pas. Donc, à la température de la pièce les électrons remplissent la bande de valence presque complètement et peuplent faiblement la bande de conduction [23]. Pour estimer le nombre d’électrons dans la bande de conduction, on utilise la distribution développée par Fermi et Dirac. La probabilité de retrouver un électron à un niveau d’énergie ǫ quelconque est obtenue en évaluant [22, 23, 24] Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur f (ǫ) = 1 e(ǫ−Ef )/kB Tc 28 (3.6) +1 où kB est la constante de Boltzman et Tc la température du cristal. Dans le cas d’un semi-conducteur non-dégénéré, le niveau de Fermi Ef se situe à l’intérieur du gap énergétique, i.e. entre Ea et Eb tel que présenté à la figure 3.3. Le niveau de Fermi de chaque bande est noté Ef v et Ef c , pour les bandes de valences et de conduction respectivement. On calcule la probabilité de présence d’un trou, c’est-à-dire de l’abscence d’électron à un niveau d’énergie ǫ de la VB, à l’aide de la relation [23, 24]. 1 − fv (ǫ) = 1 e(Ef v −ǫ)/kB Tc +1 (3.7) Un électron qui quitte la bande de valence (presque pleine) laisse donc derrière lui un trou, qui agit comme un porteur de charge à part entière. Seule sa masse effective n’est pas nécessairement la même que celle de l’électron. Les trous sont divisés en deux catégories, selon la force de leur interaction avec le réseau. On les nomme trous légers et trous lourds. Leurs masses ont les mêmes dimensions que la masse de l’électron (kg), mais elles considèrent l’interaction entre le porteur de charge et le réseau cristallin. La masse effective des trous, notée mlh ou mhh , peut différer de la masse de l’électron à l’état libre par un facteur 10. Les masses des porteurs de charges utilisées dans ce mémoire [26] sont données à la table 3.1. Elles ont été obtenues pour un alliage InGaAsP de manière expérimentale [26]. Comme nous ne sommes pas capable de mesurer ces valeurs pour l’alliage utilisé dans notre amplificateur, nous ferons la supposition que la composition exacte de l’alliage utilisé n’influence pas fortement la valeur des masses effectives. Tab. 3.1 – Masses effectives des porteurs de charge Porteur Électron libre Électron Trou léger Trou lourd Symbole Masse (10−31 kg) me mlh mhh 9.11 0.41 0.51 4.19 En utilisant une approximation parabolique pour la relation entre l’énergie et le vecteur d’onde [22], on obtient une expression simple de la valeur du gap énergétique. Ce dernier est défini comme la différence entre les niveaux Ea et Eb , c’est-à-dire la différence entre le niveau de la bande de conduction (Eb ) qui est le plus rapproché Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 29 d’un niveau de la bande de valence (Ea ). Dans le cas d’un semi-conducteur à transition directe, le gap se situe à l’origine du graphique 3.3 car aucun phonon n’est nécessaire à la transition. Il s’agit d’un des avantages des alliages InGaAsP. Les niveaux Ea et Eb sont approximés par mhh mhh + me me Eb = (Eg (n) − ǫ) mhh + me Ea = (ǫ − Eg (n)) (3.8) (3.9) où l’énergie de gap Eg (n) est une fonction de la densité de porteurs n. Un photon d’énergie suffisante peut être absorbé par un électron de la VB. L’électron est alors propulsé dans la CB. Un électron peut aussi émettre un photon en passant de la CB à la VB, une interaction utilisée pour amplifier les signaux optiques. Il suffit d’avoir une probabilité supérieure de stimuler la transition vers la VB pour obtenir un gain sur l’intensité de signal et donc un amplificateur optique. En résumé, ce modèle à deux bandes suppose l’existence de trois formes d’interaction électron-photon, capables de créer ou d’annihiler une paire électron-trou. 1. Absorption. Les photons du signal sont absorbés par les électrons de la VB stimulant ainsi une transition vers la CB. 2. Émission stimulée. Un photon du signal provoque la transition d’un électron vers la VB. La mécanique quantique nous assure que le photon ainsi émis sera un clone de celui ayant stimulé la transition. Les deux photons sont cohérents spatialement et temporellement [27]. 3. Émission spontanée. Un électron fait la transition de la CB vers la VB de luimême, générant alors un photon. La phase des composants spectraux du champs électrique est aléatoire [11, 28]. À cause de l’énergie de gap, il existe une longueur d’onde de coupure [22, 26]. Selon sa direction, un photon émis spontanément peut être guidé par le semi-conducteur [22]. Ce photon est alors amplifié et c’est ce qui cause l’émission spontanée amplifiée (ASE). Pour pouvoir amplifier, il faut cependant forcer les électrons vers la CB dans le but de provoquer des recombinaisons électron-trou radiatives. Pour se faire, on applique une différence de potentiel sur le cristal. C’est la méthode la plus fréquente pour pomper les SOA. À fort pompage, le SOA a un gain élevé et peut générer plus de 10 mW d’ASE au total. Pour éviter l’effet laser, on utilise des cristaux semi-conducteurs dont les facettes ont une très faible réflectivité. Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 3.3 30 Modèles analytiques des SOA Cette section présente tout d’abord la formulation du coefficient de gain matériel qui est utilisé dans tous les modèles présentés. Cette description du gain a été introduite par Yariv [26, 29] et est utilisée dans le modèle détaillé. Ce modèle est basé sur la résolution de deux PDEs couplées qui décrivent la propagation du signal optique et l’évolution de la densité de porteurs. Par la suite, la description du gain est reprise à l’intérieur de modèles simples basés sur le réservoir. Ces modèles se résolvent rapidement, puisqu’ils sont basés sur une seule ODE. 3.3.1 Gain matériel dans le modèle détaillé Le coefficient de gain matériel gmat (λ, n) est la quantité la plus fondamentale d’un SOA. Il établit la correspondance entre la densité de porteurs et le gain observé par un signal optique. À partir des probabilités de présence des porteurs, il est possible de formuler une expression générale pour gmat (λ, n) [26], qui peut être calculée avant même de connaı̂tre la puissance des signaux optiques. Lors d’une simulation numérique, il est donc possible de générer préalablement la matrice gmat (λ, n). Elle peut être utilisée comme une table de référence (lookup table) pour une interpolation, ou elle peut être linéarisée pour réduire le temps d’exécution. La première étape du calcul du coefficient de gain matériel consiste à obtenir une valeur de l’énergie de gap effective. Pour l’obtenir, on introduit une légère correction sur l’énergie de gap au zéro absolu, comme suggéré par Adachi [25, 26] : Eg (n) = Eg0 − q Kg n1/3 (3.10) où q est la charge de l’électron, Eg0 l’énergie de gap au zéro absolu et n la densité de porteurs de charge. La dépendance de Eg (n) sur la densité de porteurs est faible, en raison du facteur de rétrécissement du gap Kg (bandgap shrinkage coefficient) qui est lui-même petit. On calcule ensuite les valeurs des niveaux de Fermi qui servent à obtenir la probabilité de présence des porteurs dans chacune des bandes. Pour simplifier les calculs, les relations empiriques de Nilsson [26, 30] sont utilisées Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur h √ i− 41 kB Tc Ef c = ln δ + δ 64 + 0.05524 δ (64 + δ) n √ − 1 o Ef v = − ln ǫ + ǫ 64 + 0.05524 ǫ (64 + ǫ) 4 kB Tc 31 (3.11) (3.12) Les indices c et v réfèrent aux bandes de conduction et de valence respectivement. Les variables δ et ǫ sont définies comme δ ≡ n/nc et ǫ ≡ p/nv . Les densités n et p sont celles des électrons et des trous respectivement, mais en pratique on fait l’approximation que p∼ = n. Les coefficients de normalisation nc et nv sont décrits par les relations suivantes. nc = 2 nv = 2 me kB Tc 2π~2 32 mdh kB Tc 2π~2 23 (3.13) (3.14) On remarque que la dépendance des niveaux de Fermi par rapport aux masses effectives (me et mdh ) est inverse, ce qui signifie que l’augmentation du lien entre l’électron et le réseau cristallin réduit la mobilité des charges (et augmente la masse effective). L’interaction augmente la valeur effective du gap et provoque une réduction de la largeur du spectre de gain. La variable mdh représente la masse effective de tous les trous de la VB. Elle s’exprime comme mdh 2/3 3/2 3/2 = mhh + mlh . (3.15) Les valeurs des masses effectives ont été obtenues expérientalement [26] pour un crital InGaAsP. Comme l’illustre la figure 3.4, une très faible variation des valeurs présentées a un impact majeur sur la forme du spectre de gain matériel gmat (λ). La figure présente le gain matériel pour les masses originales ainsi que pour les mêmes masses augmentées de 20%. Elles ne doivent donc pas être utilisées comme paramètres d’ajustement servant à faire correspondre les simulations numériques aux mesures expérimentales. Le coefficient de gain matériel gmat (ν, n) est obtenu à l’aide de la relation suivante, proposée par Yariv [26, 29] Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 32 4 7 x 10 gmat 6 gmat’ −1 gmat(λ) (m ) 5 4 3 me → 120% × me 2 n = 1.5 1024 m−3 1 1400 1450 1500 1550 Longueur d’onde (nm) 1600 Fig. 3.4 – Gain matériel et gain pur pour une densité de porteurs fixe 32 2me mhh c2 · gmat (ν, n) = √ 4 2π 3/2 n21 τR ν 2 ~(me + mhh ) Z 0r E (n) 2T g coh ′ ′ ν′ − · dν ′ (3.16) (fc (ν ) − fv (ν )) 2 (ν ′ − ν)2 ~ 1 + (2πT ) coh ∞ dans laquelle c est la vitesse de la lumière, n1 l’indice moyen de réfraction du matériau, τR le temps de vie radiatif des porteurs et Tcoh le temps de vie des interactions cohérentes entre un électron et un champ monochromatique (de l’ordre de la picoseconde). Les distributions de la probabilité de présence dans les bandes sont données par les relations suivantes [26]. −1 Ea − Ef c +1 fc = exp kB Tc −1 Eb − Ef v +1 fv = exp kB Tc (3.17) (3.18) Le terme entre parenthèses carrées de l’équation 3.16 a une largeur spectrale beaucoup plus faible que les autres termes. On fait alors l’approximation Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 2Tcoh ≃ δ(ν − ν ′ ) 1 + (2πTcoh )2 (ν ′ − ν)2 33 (3.19) pour obtenir une expression simplifiée du coefficient de gain matériel c2 gmat (ν, n) = √ 4 2π 3/2 n21 τR ν 2 2me mhh ~(me + mhh ) 23 r Eg (n) ν− (fc (ν) − fv (ν)) . (3.20) ~ Pour en extraire le sens physique, on divise l’expression 3.20 en deux parties : le ′′ ′ coefficient d’absorption gmat (λ, n) et le coefficient de gain pur gmat (λ, n). Le gain pur représente le gain que verrait un signal si les photons n’avaient pas la possibilité de sti′′ muler une dissociation électron-trou. L’absorption intrinsèque seule, notée gmat (λ, n), est l’inverse du gain pur, car elle considère uniquement la possibilité que le photon stimule une dissociation. Comme le gain matériel considère les deux possibilités (stimuler une recombinaison ou une dissociation), il peut être exprimé par la relation ′ ′′ gmat = gmat − gmat . Le gain pur seul est défini à l’équation suivante. c2 ′ gmat (ν, n) = √ 4 2π 3/2 n21 τR ν 2 2me mhh ~(me + mhh ) 32 r Eg (n) fc (ν)(1 − fv (ν)) (3.21) ν− ~ Tel que mentionné à la section 3.2, la probabilité de présence est importante pour déterminer si l’amplificateur fournit un gain sur l’intensité du signal. À l’équation 3.21, on retrouve le produit de la probabilité de présence d’un électron dans la CB fc (ν) et de la probabilité de présence 1 − fv (ν) d’un trou dans la VB. Ce sont les deux conditions nécessaires pour que la recombinaison électron-trou soit possible. Par ailleurs, la valeur ′′ du coefficient d’absorption gmat est décrite par ′′ (ν, n) gmat c2 √ = 4 2π 3/2 n21 τR ν 2 2me mhh ~(me + mhh ) 23 r ν− Eg (n) fv (ν)(1 − fc (ν)) . (3.22) ~ ′ Les coefficients de gain gmat (λ, n) et de gain pur gmat (λ, n) sont très significatifs. Il sont reliés au coefficient d’émission spontanée ηsp présenté par Becker et Olsson [1]. Cette relation est discutée à la section 3.3.6, qui présente la description de l’ASE dans le modèle du réservoir. Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 3.3.2 34 Équation de propagation du modèle détaillé Ayant obtenu l’équation du gain matériel gmat , on peut procéder au développement de l’équation de propagation de la lumière. Elle régit la propagation de la lumière dans l’amplificateur, en fonction du gain matériel et des pertes de porteurs par diffusion. Pour débuter, on décompose le champ électrique dans le domaine des fréquences selon les deux directions de propagation dans l’amplificateur ± z : E(λk , n(z)) ≡ Ek (z) = E + (λk , z) + E − (λk , z) . (3.23) L’indice k réfère aux composantes spectrales du champ aux Ns longueurs d’onde des signaux entrant dans l’amplificateur et on note E(λk , z) , Ek (z). L’équation de propagation du champ électrique incluant la phase est donnée pour une longueur d’onde λk par la relation [26, 31] 1 dEk± (z) = ∓jβk ± (Γgmat (λk , n) − α(n)) Ek± (z) . dz 2 (3.24) Le gain matériel gmat (λ, n) a été obtenu à la section 3.3.1 et la constante de propagation β = 2πneq λk est définie pour un indice de réfraction effectif neq variant faiblement avec la densité de porteurs. On introduit également à l’équation précédente un facteur de confinement normalisé Γ similaire à celui utilisé pour les fibres optiques [32, 33]. Le terme de perte par diffusion α(n) dépend de la densité de porteurs, mais il est ′′ différent du coefficient d’absorption gmat (λ, n) de l’équation 3.22. Il ne considère que les pertes attribuables à des mécanismes comme la diffusion des porteurs dans le substrat [34], et n’est pas relié directement à la probabilité de présence. On utilise une description linéaire des pertes α(n) en fonction de la densité n [26] α(n) = K0 + ΓK1 n (3.25) où K0 et K1 sont les coefficients de la linéarisation en fonction de la densité de porteurs n. En raison de la nature quantique des interactions photoélectriques, il faut Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 35 établir une équivalence entre le champ électrique Ek de l’onde optique et le nombre de photons Nk . On utilise la relation suivante [22, 27, 35] pour un signal à une longueur d’onde w en considérant une surface unitaire et une impédance ajustée ± 2 Ew = hc Nw± = Pw± . λw (3.26) Une simplification importante de tous les modèles étudiés [26, 35, 36] consiste à considérer seulement le flux de photons. En basant les équations de propagations sur la √ relation 3.26, qui suppose qu’il est possible d’écrire le champ comme E = P exp(jφ), il est possible de séparer 3.24 en une équation pour la puissance et une pour la phase [37]. En procédant ainsi, on obtient donc l’équation différentielle de la puissance suivante h i dPk± (z) = ± Γgmat (νk , n) − α(n) Pk± (z) . dz (3.27) Dans le modèle détaillé, on néglige implicitement les produits de termes dont les fréquences sont différentes. La modélisation de l’élargissement spectral lié à la propagation dans le SOA est impossible avec les modèles étudiés. L’approximation de la puissance s’exprime mathématiquement de la manière suivante 2 X 2 X 2 ± 2 X ± X ± E = E ± + E ± E + E ≈ j j total k k k j k (3.28) j où l’indice k indique les signaux et j les longueurs d’onde d’ASE. Il est important de noter que la puissance d’ASE obéit à une équation de propagation légèrement différente de celle des signaux dPj± (z) hc = ± (Γgmat (λj , n) − α(n)) Pj± (z) + Rsp (λj , n) dz λj (3.29) où le terme Rsp (λj , n) représente les photons générés spontanément dans l’amplificateur. Il s’ajoute directement à l’équation 3.27 décrivant la propagation du signal amplifié [26, 34]. Il ne contient pas de terme de confinement puisque les photons d’ASE émis ne sont pas guidés a priori. 36 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur Tab. 3.2 – Signification physique des termes de l’équation d’évolution Terme de l’équation d’évolution Signification physique dn(z, t)/dt I/qV R (n(z)) 3e terme de droite fASE (λ, n(z)) 3.3.3 variation temporelle de la densité de porteur au point z densité de porteurs injectés par le biais du courant d’injection décroissance de la densité de porteurs par les recombinaisons spontanées (radiatives et non-radiatives) diminution de la densité de porteurs causée par l’amplification des signaux fonction décrivant l’influence de l’ASE sur la densité de porteurs (varie selon les modèles) Équation d’évolution du modèle détaillé L’équation d’évolution de la densité de porteurs (rate equation) établit la valeur de la densité n(z, t) en fonction de la puissance des signaux optiques qui entrent dans l’amplificateur. L’équation d’évolution 3.30 et les équations de propagation 3.27 et 3.29 doivent être résolues simultanément. N s Ibias ΓX ∂n(z, t) gmat (νk , n) Nk+ + Nk− − fASE (ν, n) = − R (n) − ∂t qV A k=1 (3.30) La signification physique de chacun des termes de l’équation 3.30 est présentée au tableau 3.3.3. La diminution de la densité de porteurs fASE (ν, n) causée par la puissance de l’ASE dans le modèle détaillé est décrite par [26, 34] fASE (ν, n(z)) = 2Γ X gmat (νj , n(z)) Nj+ (z) + Nj− (z) . A j (3.31) Le facteur 2 de l’équation précédente considère les deux polarisations orthogonales de la lumière. Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 3.3.4 37 Équation d’évolution dans le modèle du réservoir Le modèle du réservoir [14] est basé sur une quantité reliée à la quantité totale de porteurs de charge utiles dans l’amplificateur. Cette valeur est obtenue en intégrant la densité de porteurs n(z, t) sur la longueur L de l’amplificateur. Le réservoir est donc un modèle entrée-sortie dans lequel la densité de porteurs selon l’axe z n’est pas recherchée. En pratique, la densité n(z, t) est supposée moyenne selon les axes x et y et on utilise la relation r(t) , Z L n(z, t) dz = n(t) L . (3.32) 0 Il s’agit d’un modèle ponctuel, c’est-à-dire qu’il ne considère pas la dimension sur laquelle s’affectue la propagation. Un tel modèle a déjà été exploré par Genest et Chamberland [38] ainsi qu’Agrawal [37], qui considère cependant le gain intégré comme quantité intégrée. Le gain intégré n’est pas une quantité physique intéressante pour les systèmes WDM, en ce sens qu’elle n’est pas commune à tous les canaux. Chaque canal WDM perçoit un gain différent des autres. Donc, l’approche par la densité de porteurs totale est intéressante, car il s’agit vraiment d’une quantité commune à toutes les longueurs d’onde, à tous les canaux. L’équation 3.30 décrivant l’évolution de n(z, t) dans le modèle détaillé peut être réécrite en terme de la puissance optique pour devenir N s λk Ibias ΓX ∂n(z, t) = − R (n(z, t)) − gmat (λk , z) Pk (z, t) ∂t qV A k=1 hc 4Γ X 1 − gmat (λj , z) PjASE (z) (3.33) A j hλk en supposant que la lumière se propage dans une seule direction. Le facteur 2 additionel (qui donne un 4 devant le dernier terme de sommation) est dû aux 2 directions de propagation. On les traite comme si elles se propageaient dans la même direction pour faciliter le calcul. Pour obtenir l’équation d’évolution du réservoir r(t), on intègre l’équation 3.33 sur la longueur de l’amplificateur. 38 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur Z L 0 ∂n(z, t) dz = ∂t Z 0 L Z L Ibias R (n(z)) dz− dz − qV 0 Z Ns λk L ΓX gmat (λk , n(z)) Pk (z) dz A k=1 hc 0 Z 4Γ X λj L − gmat (λj , n(z)) PjASE (z) dz . (3.34) A j hc 0 L’équation d’évolution du réservoir prend alors la forme N s λk Ibias r(t) Γ X dr(t) = − − dt qA τeq A k=1 hc Z L Pk (z, t) gmat (λk , n) dz + QASE (λ, r) . (3.35) 0 Le quatrième terme de droite est remplacé par QASE , dont la définition est donnée à la section 3.3.6. Lors de l’intégration, le terme R(n) représentant la diminution spontanée de la densité de porteurs a été remplacé par une fonction linéaire en r (le réservoir) dont la pente est l’inverse du temps de vie des porteurs τeq . Z 0 L R(n(z)) dz ≈ r τeq (3.36) Même si R(r) est une fonction polynomiale selon le modèle suggéré par Connelly [26], l’approximation est justifiée dans la mesure où la plage des valeurs physiquement acceptables de r est restreinte [26, 36]. La valeur de τeq peut être déterminée à l’aide d’un algorithme d’optimisation numérique. Des simplifications sont possibles pour les deux derniers termes du côté droit de l’équation 3.35. La simplification sur le terme exprimant la contribution des signaux est présentée à la section 3.3.5 tandis que celle s’appliquant sur le dernier terme, décrivant la génération des photons d’ASE, est présentée à la section 3.3.6. 3.3.5 Équation de propagation dans le modèle du réservoir Les SOA sont conçus de manière à éviter toute forme de résonnance, qui se traduirait par un effet laser. Typiquement, la réflectivité des facettes est environ de 10−5 . Le Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 39 modèle du réservoir suppose que les réflexions sont négligeables et que la lumière se propage dans une seule direction, d’où l’utilisation de l’approximation de l’amplificateur single-pass. On écrit alors ∂Pk (z, t) = Γgmat (λk , n(z)) − α(n) Pk (z, t) ∂z (3.37) de laquelle on élimine temporairement le terme de perte α(n) puisque les pertes sont normalement très inférieures au gain dans un amplificateur [36, 37]. Si le terme α(n) est conservé, la solution de l’équation globale du réservoir ne prend pas une forme aussi simple. On obtient un terme supplémentaire qu’il faut intégrer numériquement, ce qui augmente le temps de calcul. Une méthode simple et élégante pour réintroduire les pertes par diffusion α(n) est introduite à la section 3.5.2. En regroupant les termes de l’équation 3.37 et en intégrant, on obtient Γ Z L Pk (z, t) gmat (λk , n(z)) dz = 0 Z L ∂Pk (z, t) . (3.38) 0 Pour alléger l’écriture, on écrit désormais gk (z) pour représenter le gain matériel gmat (λk , n(z)). On constate immédiatement qu’il est possible de remplacer l’intégrale du gain à l’équation 3.35. Il est possible de réécrire la partie de droite de manière plus explicite Γ Z 0 L Pk (z) gk (z) dz = Pkout − Pkin (3.39) où Pkout , Pk (z = L) représente la puissance du signal à la sortie et Pkin , Pk (z = 0) la puissance à l’entrée du SOA. En remplaçant l’équation précédente dans l’équation 3.35, on obtient N s dr(t) λk out Ibias r(t) 1X = − − Pk − Pkin + QASE dt qA τeq A k=1 hc (3.40) Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 40 Pour obtenir une expression de Pout en fonction du gain, gk (n) ≡ gmat (λk , n) est supposé linéaire en fonction de la densité de porteurs pour chaque longueur d’onde. Donc, on pose gk ∼ = ak [n(z, t) − n0,k ] et l’équation 3.39 devient facilement intégrable. ln Pout (t) Pin (t) = Γak Z 0 L n(z) dz + Γ Z L ak n0,k dz (3.41) 0 Les termes ak et n0,k sont obtenus à la section 3.5.2, où la validité de la linéarisation de gk (n) est aussi vérifiée. Avec un gain linéaire en n, il devient possible d’écrire Pkout = Pkin exp [Γak (r(t) − r0,k )] . (3.42) Par définition, r0,k = n0,k L représente le réservoir à la transparence, c’est-à-dire lorsque le gain est unitaire. En utilisant cette relation, l’équation 3.40 prend la forme Ns i λk h Γak (r(t)−r0,k ) dr(t) Ibias r(t) 1X = − − e − 1 + QASE (λ, r) . dt qA τeq A k=1 hc (3.43) Une des faiblesses du modèle du réservoir directement transposé de son équivalent pour les EDFAs [14] est son incapacité à estimer les valeurs de ak et r0,k . Pour les EDFAs, le gain est fonction de paramètres mesurables communs à tous les amplificateurs, mais ce n’est pas le cas des SOA. La section 3.5.2 présente deux méthodes utilisée pour pallier à cette lacune. 3.3.6 ASE dans le modèle du réservoir L’émission spontanée amplifiée est un aspect très important des amplificateurs optiques, puisqu’elle introduit une saturation même en l’abscence de signal à l’entrée. La formulation de l’ASE utilisée dans le modèle du réservoir pour les SOA a été proposée conjointement avec Mathlouthi [36]. Dans un intervalle de fréquences ∆νASE centré sur νj , la puissance d’ASE pour une seule polarisation obéit à l’équation de propagation 41 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur dPjASE hc = Γgjres (n)PjASE (n) + Rsp (n) . dz λj (3.44) Le gain gjres (n) ≡ gres (λj , n) peut être séparé en deux parties : le gain pur gj′ et l’absorption gj′′ comme à la section 3.3.1. On utilise la notation gj′ (n(z)), mais il s’agit en réalité du gain pur associé à gain contenant les pertes intrinsèques gres (λ, n) (voir section 3.5.3). On fait ce choix dans la mesure où l’on développe ici une expression propre au modèle du réservoir [36]. La relation entre Rsp (n) et le coefficient de gain pur s’exprime à l’aide de [34] Rsp (n(z)) = gj′ (n(z)) ∆νASE . (3.45) L’équation différentielle complète prend la forme dPjASE = Γgj (n(z))PjASE (n) + hνj gj′ (n(z)) ∆νASE . dz (3.46) La solution à ce type d’équation différentielle est obtenue analytiquement et prend la forme suivante [39]. ASE Pj,out (n) = exp Z 0 L Γgj (n(z)) dz · · hνj ∆νASE Z 0 L " Z gj′ (n(z ′ )) exp − 0 z′ # Γgj (n(z)) dz dz ′ (3.47) Pour permettre l’intégration de gj′ (n(z)), on fait l’hypothèse que le coefficient de gain pur peut être linéarisé selon gj′ (n(z)) ∼ = γj (n(z) − n1,j ) . (3.48) La variable n1,j représente la densité de porteurs à la transparence du coefficient ASE de gain pur à la longueur d’onde λj . En utilisant 3.48, la solution pour Pj,out (n) est donnée par Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur ASE Pj,out (n) = ΓGj (r)hνj ∆νASE Z 0 L γj (n(z ′ ) − n1,j ) dz ′ . exp {Γaj (r(z ′ ) − r0,j (z ′ ))} 42 (3.49) où Gj (r) , exp [Γaj (r − r0,j )]. L’équation 3.49 a pour solution ASE Pj,out (r) γj r − r1,j = Gj (r) hνj ∆νASE Gj (r) − 1 . aj r − r0,j (3.50) Parallèlement, en intégrant directement l’équation 3.46 on reconnaı̂t la similitude RL du terme 0 Γgjres PjASE dz qu’on isole de l’équation pour obtenir Γ Z L 0 ASE gjres PjASE dz = Pj,out (r) − γj (r − r1,j ) hνj ∆νASE . (3.51) Le terme du côté gauche de 3.51 est important, car il apparaı̂t à l’équation du réservoir 3.34. On cherche à l’exprimer d’une manière pratique en remplaçant le premier terme du côté droit de l’équation par son équivalent obtenu à l’équation 3.50 : Γ Z L gjres PjASE 0 1 γj r − r1,j −1 Gj (r) hνj ∆νASE dz = aj r − r0,j Gj (r) − Γγj (r − r1,j ) hνj ∆νASE (3.52) Cette équation se simplifie pour donner la forme compacte Γ Z 0 L gjres PjASE 4∆νASE X γj (r − r1,j ) dz = Gj (r) − 1 − ln(Gj (r)) . A a (r − r ) j 0,j j (3.53) Le facteur 4 considère les deux polarisation, mais aussi les deux directions de propagation de l’ASE émise. En utilisant l’équation 3.53 pour exprimer QASE (λ, n) de l’équation 3.35, on obtient la forme complète de l’ODE du modèle du réservoir : Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 43 Ns Ibias r(t) 1 X dr(t) = − − λk Pkin eak (r−r0,k ) − 1 dt qA τ Ahc k=1 4∆νASE X γj (r − r1,j ) − [Gj (r) − 1 − ln(Gj (r))] . (3.54) A a (r − r ) j 0,j j Par similitude avec la description de l’ASE pour les EDFAs [1], on utilise la notation suivante pour le coefficient d’émission spontanée. γj (r − r1,j ) ηsp,j ∼ = aj (r − r0,j ) (3.55) En pratique, il est utile de faire l’approximation que la densité à la transparence n0 du coefficient de gain matériel et celle du coefficient de gain pur n1 ont la même valeur, c’est-à-dire ηsp,j ≈ γj /aj . La faible variation de la densité de porteurs de charge rend cette hypothèse acceptable pour la plupart des situations physiques étudiées. 3.4 Modèles numériques des SOA Plusieurs algorithmes de modélisation des SOA ont fait l’objet d’étude par le passé [26, 31, 35, 36]. Cette section en présente deux types : d’une part un algorithme de modélisation détaillé [26] et d’autre part quatre formes d’algorithmes rapides basés sur le modèle réservoir [36]. La table 3.3 met en évidence les caractéristiques de chaque modèle. 3.4.1 Modèle détaillé Le modèle détaillé suggéré par Connelly [26] fournit une méthode pour obtenir une solution numérique précise de la distribution des porteurs dans l’amplificateur en régime dynamique et stationnaire. La densité de porteurs est déterminée pour chacune des Nz sections (tranches) de l’amplificateur. Chaque tranche émet aux longueurs d’onde des signaux et aux longueurs d’onde d’ASE dans les directions ±z. Il existe une rétroaction entre les tranches et il faut donc converger vers une solution globale, dans laquelle 44 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur Tab. 3.3 – Modèles de simulation Modèle Discrétisation spatiale (Nz ) ASE Matrice de gain matériel Section 20 1 distribuée - gmat (λ, n) gres (λ, n) 5.2.1 5.2.2 5 distribuée gmat (λ, n) 5.2.3 5 distribuée gres (λ, n) 5.2.4 5 1 canal gres (λ, n) 5.2.5 Détaillé Réservoir sans ASE Réservoir avec pertes de couplage Réservoir avec pertes intrinsèques Réservoir avec canal équivalent chaque tranche est en équilibre avec les tranches adjacentes. Les équations de propagation 3.27 et 3.29, ainsi que l’équation d’évolution 3.30 sont résolues simultanément. Le schéma structurel du modèle détaillé est présenté à la figure 3.5. P in P … ASE - out … n1 nj nN Tranche 1 Tranche j Tranche N z z ASE + L z Fig. 3.5 – Schéma structurel du modèle détaillé De plus, des conditions de réflectivité aux facettes sont imposés sur la première et sur la dernière tranche. La densité de porteurs de chaque tranche doit satisfaire l’équation d’évolution, en considérant que la tranche reçoit des photons venant des deux directions (± z). La résolution de ce système d’équations est relativement longue, ce qui est un problème pour les simulations Monte-Carlo. De plus, la grande quantité de paramètres du modèle rend difficile d’en estimer correctement les valeurs. Une explication complète du modèle de simulation détaillé est présentée dans la littérature [26, 34]. 3.4.2 Modèle du réservoir sans ASE Pour simplifier la résolution numérique, une variable globale nommée réservoir a été introduite. Il s’agit d’une propriété de l’amplificateur commune à tous les canaux, ce qui la différencie du gain intégré présenté par Agrawal [37]. Elle facilite le développement Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 45 de modèles simples pour décrire les systèmes WDM. En négligeant l’ASE, on procède à la résolution numérique de l’équation suivante N s dr(t) Ibias r(t) 1 X λk Pkin [Gk (r) − 1] . = − − dt qA τeq Ahc k=1 (3.56) En régime dynamique, on résoud cette ODE à l’aide d’un algorithme de premier ordre pour obtenir une comparaison juste avec le modèle détaillé. L’utilisation d’un algorithme de Runge-Kutta de quatrième ordre est aussi possible, mais elle est un peu plus exigeante sur le temps de calcul et ne donne pas de résultats très différents. La puissance de sortie du signal est calculée à chaque instant du temps à l’aide de la relation Gk = exp [Γak (n(t) − n0,k ) L] . (3.57) Les valeurs du gain a et n0 sont obtenue en linéarisant le gain matériel gres . La procédure est introduite à la section 3.5.3. Il est important de mentionner que pour les simulations en régime dynamique, la valeur du réservoir au premier échantillon temporel r(t = 0) est obtenue en suivant une procédure spéciale. On résoud le système en régime stationnaire dr(t)/dt = 0 avec comme entrée un signal d’une valeur égale à celle du premier échantillon temporel P (t = 0) [40]. P in r Pout + Tranche Unique L z Fig. 3.6 – Schéma structurel du réservoir sans ASE 46 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 3.4.3 Modèle du réservoir en cascade avec ASE et pertes de couplage Le modèle du réservoir en cascade avec pertes de couplage tire son nom de l’utilisation d’un algorithme en plusieurs sections (tranches) sans rétroaction. Entre chaque tranche, on introduit une perte de couplage αs , c’est-à-dire une diminution de la puissance égale pour toutes les longueurs d’onde qui ne varie pas selon la densité de porteurs. P in P r1 r2 Tranche 1 Tranche 2 Tranche Nz L / Nz L / Nz L / Nz … out rNz ASE out z Fig. 3.7 – Schéma structurel du réservoir en cascade avec ASE et pertes de couplage La structure du modèle, illustrée à la figure 3.7, est décrite mathématiquement par l’équation 3.58. Les zones ombragées représentes les pertes de couplage αs . Les flèches rouges représentent la propagation du signal. Les flèches doubles bleues représentent l’amplification de l’émission spontannée et indiquent la génération d’un nouveau composant d’ASE dans la section. Il s’agit de la représentation schématique du terme Rsp de l’équation 3.29. La modélisation de l’ASE est réalisée sur 20 longueurs d’onde couvrant tout le spectre de gain de l’amplificateur. Comme les réflectivités des facettes sont nulles, il n’y a aucune rétroaction entre les sections et les flux de photons sont dirigés dans une seule direction (selon +z). N s Ibias ri (t) 1 X dri (t) in λk Pk,i [Gk (r) − 1] = − − dt qA τeq Ahc k=1 NASE 1 X in − λs Ps,i [Gs (ri ) − 1] Ahc s=1 NASE 4∆νASE X − ηsp,j (ri ) [Gj (ri ) − 1 − ln Gj (ri )] . (3.58) A j=1 La sommation supplémentaire (en s) de l’équation 3.58 représente les composants spectraux d’ASE émis aux sections précédentes et qui sont amplifiés à la section i. Une Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 47 des particularités de ce modèle est d’utiliser la matrice de coefficient de gain gmat (λ, n) discutée à la section 3.3.1. Les coefficients σ(λ) (la pente) et η0 (λ) (l’abscisse) qui proviennent de la linéarisation de cette matrice sont utilisés dans la relation suivante pour obtenir le gain de la section i à la longueur d’onde λk . Gk,i Γσk (ni − η0,k )L = exp Nz (3.59) Il est important de mentionner que les coefficients σk et η0,k sont différents de ceux utilisés dans le modèle précédent. L’utilisation de ces coefficients est discutée à la section 3.5.3. Pour pouvoir adapter les résultats de simulation aux données expérimentales, Obermann suggère d’introduire des pertes de couplage entre les sections [35]. En modifiant légèrement le coefficient de couplage à l’entrée e cin = cin cadd (3.60) et en appliquant une transformation « inverse » à la sortie, incluant un terme de correction supplémentaire e cout = cout cadd e−αs L (3.61) cadd ≈ e−0.32αs L . (3.62) Obermann a démontré de bons résultats [35]. Le paramètre de couplage cadd a été défini arbitrairement comme Le paramètre αs est variable, mais Obermann suggère d’utiliser des valeurs du produit αs L inférieures à 4 [35]. Donc, la valeur de la puissance effective entrant dans l’amplificateur est donnée par Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur cin Pin Pein = cadd 48 (3.63) et la puissance de sortie de la section i est donnée par Peiout = cout cadd e−αs L/Nz Piout . (3.64) Évidemment, on doit utiliser les valeurs Pein et Peout lors de la résolution de l’équation 3.58, même si les tildes ont été enlevés pour simplifier la notation. 3.4.4 Modèle du réservoir en cascade avec ASE et pertes intrinsèques Ce modèle est en tous points similaire à celui de la section 3.4.3, sauf pour deux aspects importants. – Les pertes de couplages αs ne sont pas introduites. – Les coefficients a(λ) et n0 (λ) provenant de la linéarisation de gres (λ, n) sont utilisés. Évidemment, il devient alors nécessaire de calculer le gain en fonction de la densité de porteurs en utilisant l’équation suivante Gk,i Γak (ni − n0,k )L = exp Nz (3.65) où Nz représente toujours le nombre de sections (tranches) utlilisées dans la modélisation. En utilisant le gain matériel gres (λ, n), les pertes sont supposées intrinsèques, c’est-àdire qu’elles sont directement inclues dans la matrice de gain. Avant la linéarisation du gain matériel, on retranche les pertes de diffusion α(n) directement. Le gain gres (λ, n) = gmat (λ, n)−α(n)/Γ est donc linéarisé pour obtenir les coeficients ak et n0,k . La différence est marquée au niveau spectrale, comme le montre les résultats de la sections 5.2.3. La table 3.4 présente la correspondance entre les différentes matrices de gain et les coefficients de la linéarisation. 49 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur P in P r1 r2 Tranche 1 Tranche 2 Tranche Nz L / Nz L / Nz L / Nz … out rNz ASE out z Fig. 3.8 – Schéma structurel du réservoir en cascade avec ASE et pertes intrinsèques Tab. 3.4 – Notation des coefficients du gain Modèle avec Modèle avec pertes de couplage pertes intrinsèques Matrice du coefficient de gain Pente du coefficient de gain Densité de porteurs à la transparence 3.4.5 gmat (λ, n) gres (λ, n) σk ak η0,k n0,k Modèle du réservoir en cascade avec canal d’ASE équivalent L’ASE joue un rôle important dans la modélisation de l’amplificateur, puisqu’elle affecte son niveau de saturation et sa réponse dynamique. Cependant, modéliser un ensemble de canaux d’ASE distribués sur tout le spectre optique peut augmenter le temps de calcul. Pour accélérer la résolution numérique, on introduit un canal fictif ayant une puissance arbitraire à l’entrée de l’amplificateur. On note à la figure 3.9 que l’ASE distribuée sur 20 canaux n’est pas calculée dans la simulation. Ce canal a pour but d’augmenter artificiellement la saturation de l’amplificateur, répliquant ainsi l’effet de l’ASE. Il s’agit d’une approche similaire à celle utilisée pour les EDFA [41]. Pour une modélisation de l’amplificateur en plusieurs sections, on résoud l’ODE 3.66 : 50 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur N s dri (t) Ibias ri (t) 1 X in λk Pk,i (t) [G(r) − 1] = − − dt qA τeq Ahc k=1 − λASE in P [GASE (ri ) − 1] Ahc ASE,i (3.66) où le gain du canal du signal est obtenu en utilisant les coefficients tirés de la linéarisation de gres (λ, n). En pratique, on utilise l’équation GASE,i ΓaASE (ni − n0,ASE )L = exp Nz . (3.67) pour obtenir la puissance de sortie du signal après la section i. P P in in PASE r1 r2 rNz Tranche 1 Tranche 2 Tranche Nz L / Nz L / Nz L / Nz out out P ASE z Fig. 3.9 – Schéma structurel du réservoir avec un canal d’ASE équivalent La longueur d’onde utilisée pour la description du canal n’a pas de signification physique. On la fixe à 1560 nm et on utilise une optimisation numérique pour déterminer la valeur des paramètres suivants : in – la puissance d’entrée PASE , – le gain (à travers aASE et r0,ASE ) – le coefficient de couplage à la sortie cout . En pratique, on utilise un algorithme qui ajuste un ensemble de paramètres pour minimiser le carré de la différence entre le vecteur de sortie d’une fonction et un vecteur de référence. Les résultats expérimentaux servent de référence dans la plupart des cas, sauf lorsqu’il n’y a pas de mesures disponibles. Dans ce cas, on utilise le modèle détaillé pour générer une référence pour l’optimisation. La fonction de minimisation est donnée à l’équation 3.68. Cet algorithme utilise une méthode de Newton réflective, qui permet de borner la valeurs des paramètres x. Cette condition s’est montrée nécessaire pour assurer la convergence. Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 51 m 1X 1 (F (x, xdata,i ) − ydata,i )2 min |F (x, xdata ) − ydata |2 = x 2 2 i=1 (3.68) En particulier, le vecteur des x est formé à partir des paramètres qui doivent être in optimisés, c’est-à-dire {PASE , aASE , n0,ASE , cout }. Les vecteurs de données d’entrée et de sortie du modèle, respectivement xdata et F (x, xdata ), sont comparés au vecteur des données de référence ydata . La référence choisie est la forme du pulse optique, puisqu’elle contient à la fois des informations sur le gain en régime permanent et sur la réponse dynamique. Donc, le vecteur des xdata contient la forme du pulse optique mesuré à l’entrée du SOA. Le vecteur F (x, xdata ) donne l’estimé du pulse amplifié (par le modèle du réservoir) et il est comparé au vecteur ydata qui contient la forme du pulse optique amplifié mesurée expérimentalement. 3.5 Extraction des paramètres de gain du modèle de simulation On présente dans cette section les méthodes numériques utilisées pour déterminer la valeur de certains paramètres de simulation. Tout d’abord la méthode de linéarisation de la matrice du coefficient de gain est expliquée. Ensuite, le choix d’inclure (ou non) les pertes par diffusion dans cette matrice est discuté. 3.5.1 Homogénéité du gain des SOA Avant d’entreprendre la description des techniques utilisées pour décrire le gain mathématiquement, il importe de discuter l’homogénéité de celui-ci. Les amplificateurs optiques à semi-conducteurs sont généralement considérés comme des matériaux donnant un gain très homogène [26, 34, 37]. Expérimentalement, cette homogénéité a également été vérifiée dans plusieurs conditions pour l’amplificateur optique à semiconducteur qui a été utilisé principalement pour ce travail. En particulier, nous avons étudié l’influence d’un signal laser CW à une longueur d’onde fixe sur la saturation du gain aux longueurs d’onde d’intérêt, en considérant différents espacements spectraux. L’homogénéité du gain des SOA est une des propriétés physiques importantes dans cette étude. En effet, cette caractéristique est essentielle, puisqu’elle permet de relier Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 52 directement le gain à n’importe quelle longueur d’onde à une seule quantité : le nombre de porteurs de charge. Le modèle du réservoir suppose un gain parfaitement homogène, puisqu’un signal affecte complètement tous les autres signaux à travers la quantité de porteurs disponibles pour leur amplification. Dans le modèle du réservoir, l’espacement des canaux n’a aucune importance, seul le gain observé par les canaux est important. 3.5.2 Linéarisation du gain matériel Le modèle du réservoir a été développé initialement pour modéliser les EDFA [14]. Son équivalent pour les SOA est sensiblement différent, surtout en ce qui concerne la description du gain de l’amplificateur. Le gain de l’erbium peut être calculé à partir des section efficaces qui sont des paramètres mesurés et tabulés [1, 32, 41, 42]. Ce sont des propriétés intrinsèques de l’erbium qui ne changent pas d’un amplificateur à l’autre. Le gain des semi-conducteurs ne peut pas être décrit de la même façon. Une expression du gain matériel a été présentée à la section 3.3.1. Elle provient du modèle suggéré par Connelly [26, 34] et on souhaite l’appliquer au modèle du réservoir. On ne peut cependant pas transposer directement cette description du gain vers le modèle du réservoir, car le gain est non-linéaire ce qui contredit les hypothèses faites à la section 3.3.5. Le gain a été supposé linéaire en n dans le modèle du réservoir pour nous permettre d’obtenir l’équation 3.54. La solution adoptée est simple : utiliser la formulation du gain proposée à la section 3.3.1 pour obtenir gmat (λ, n), puis linéariser numériquement le gain à chaque longueur d’onde. On obtient ainsi les vecteurs de la pente du coefficient de gain σ(λ) et l’abscisse à l’origine η0 (λ) qui sont utilisés à l’équation 3.59 pour résoudre l’équation 3.58. L’abscisse à l’origine a pour signification physique la densité de porteurs à la transparence η0 (λk ) = η0,k qui rend le gain gmat (λk , n) nul. gmat (λk , η0,k ) , 0 (3.69) Il est supposé que l’estimé des η0,k (λ) provenant de la linéarisation est adéquat pour décrire la densité de porteurs à la transparence. On peut constater à la figure 3.10 la très bonne correspondance entre l’approximation linéaire et le gain original gmat (λ, n) à 1550 nm. Dans les calculs qui suivent, on utilise toujours l’estimé η0,k . Pour le calcul du gain, il est nécessaire de travailler avec n, puisque les équations Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 53 20 Approximation linéaire Directement du modèle détaillé 10 4 −1 gmat (10 m ) 15 1 10 5 0 10 σk 0 η0,k −5 1 1 1.5 2 2 2.5 3 3 3.5 Densité de porteurs (10 24 m−3) Fig. 3.10 – Linéarisation du gain gmat (λ, n) à 1550 nm décrivant gmat (λ, n) ne sont pas définies fonction du réservoir. L’équation 3.32 est utilisée pour établir la correspondance entre les deux, c’est-à-dire r(t) = n(t) · L. En pratique, il faut aussi déterminer une plage des valeurs de n sur laquelle linéariser le gain. Pour que la linéarisation soit en général valide, on détermine les valeurs extrêmes nmin et nmax correspondant aux deux situations suivantes : 1. une puissance d’entrée (-40 dBm) donnant une densité de porteurs élevée (nmax ), 2. une puissance d’entrée (0 dBm) donnant une densité de porteurs faible (nmin ). La figure 3.11 illustre les deux valeurs de la densité de porteurs spécifiées sur la matrice du gain matériel gmat (λ, n). La densité de porteurs est commune à toutes les longueurs d’onde, et ce sont donc les mêmes bornes pour chacune d’elles. La linéarisation du gain présente deux avantages majeurs. Tout d’abord, elle accélère la résolution numérique de l’ODE du réservoir (équation 3.54). Il n’est pas nécessaire d’interpoler dans la table gmat (λ, n) de la figure 3.11 pour des valeurs de λ et n arbitraires. Le calcul direct de Gk = exp(Γak (n − n0,k )) est plus rapide. Ensuite, elle permet de respecter les hypothèses fondamentales du modèle du réservoir. 54 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 6 g mat (10 4 m -1 ) 4 2 0 n max 1.8 De 1.6 ns it é de 1600 n min 1.4 po r te 1.2 u rs (1 02 4 m -3 ) 1540 1 1520 1560 o r d’ u eu ) g n Lo ( nm 1580 n de Fig. 3.11 – Matrice du coefficient de gain matériel gmat (λ, n) 3.5.3 Choix de la matrice de gain Cette section présente deux techniques permettant de réintroduire les pertes α(n) dans l’amplificateur sans les inclure directement à l’équation de propagation 3.37. Même dans un modèle simple, il est intéressant de considérer les pertes pour pouvoir observer certains effets reliés à la XGM [43]. Le problème est donc de demeurer dans les limites fixées par les hypothèses initiales du réservoir. On se propose d’étudier l’efficacité des deux approches suivantes. 1. Pertes de couplage (section 3.4.3). Cette méthode consiste à linéariser la matrice de gain gmat (λ, n) provenant du modèle détaillé pour en extraire σ(λ) et η0 (λ). 2. Pertes intrinsèques (section 3.4.4). L’alternative est de soutraire les pertes directement du gain pour obtenir gres (λ, n) et d’en extraire a(λ) et n0 (λ). À l’aide d’une grande quantité de données expérimentales, il aurait été possible de déterminer les valeurs des vecteurs de coefficients (ak , n0,k ) ou (σk , η0,k ) à l’aide Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 55 d’une optimisation numérique. L’utilisation d’une approche aussi directe pour estimer séparément chaque paramètre s’avère cependant trop lourde pour être envisageable. On doit donc se résoudre à utiliser l’une ou l’autre des méthodes. 1. Pertes de couplage Il s’agit du traitement direct de la matrice de gain gmat (λ, n) obtenue à la section 3.3.1. Après chaque tranche du SOA de la figure 3.7, la puissance optique est multipliée par une constante comprise entre 0 et 1 (les pertes de couplage αs ) à la sortie de la tranche. Des simulations utilisant cette méthode ont été réalisées suivant l’algorithme avec pertes de couplage présenté à la section 3.4.3. Les résultats présentées à la section 5.2.3 montrent la mauvaise correspondance entre la mesure et la simulation du spectre de gain. 2. Pertes intrinsèques La deuxième méthode tente de compenser pour l’abandon des pertes à l’équation 3.37 en générant une nouvelle matrice de gain gres (λ, n) définie comme gres (λ, n) , gmat (λ, n) − α(n) Γ (3.70) Cette méthode pour considérer les pertes a des conséquences différentes sur les deux vecteurs de coefficients a(λ) et n0 (λ). – La pente du coefficient de gain matériel. Comme les pertes sont linéaires, la différence entre les pentes pour le gain matériel (ak ) provenant des deux méthodes est la valeur de K1 , de telle sorte que ak = σk − K1 (voir équation 3.25). – La densité de porteurs à la transparence. En appliquant la transformation 3.70, on change la courbe de croisement tracée par l’intersection de gmat (λ, n) et du plan xy. Par le fait même, on change la forme spectrale des coefficients n0 (λ). En réalité les pertes α(n) ne sont pas linéaires en n et la plus grande conséquence de l’équation 3.70 est de changer l’estimé de la densité de porteurs à la transparence. On présente à la figure 3.12 les vecteurs a(λ) et n0 (λ) extraits en utilisant directement gmat (carrés rouges) ou en linéarisant gres (cercles bleus). 56 Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 12 σ(λ) : linéarisation de gmat pente (10−20 m2) 11 10 9 σ(λ) 8 7 a(λ) 6 5 4 1530 1540 1550 1560 1570 1580 1590 longueur d’onde (nm) (a) Pente du gain matériel densité à la transparence (1024 m−3) 1.5 a(λ) : linéarisation de gres 1.4 1.3 n0(λ) 1.2 η0(λ) 1.1 1 0.9 n0(λ) : linéarisation de gres η0(λ) : linéarisation de gmat 0.8 1530 1540 1550 1560 1570 1580 1590 longueur d’onde (nm) (b) Densité à la transparence Fig. 3.12 – Représentation spectrale des paramètres du gain obtenus à l’aide deux méthodes de linéarisation Tel que prévu, la forme de la courbe a(λ) ne change pas, elle est simplement abaissée par la constante K1 . Par contre, la forme de la courbe n0 (λ) change considérablement. Puisque le changement des a(λ) est constant spectralement, la différence de courbure des n0,k explique le décalage spectral du gain observé à la figure 5.14. On y constate aussi que n0 (λ) > η0 (λ), ce qui signifie que le gain du modèle utilisant gmat (λ, n) est plus important. L’application des pertes de couplage αs est alors justifiée pour ramener le gain à un niveau plus réaliste. 3.6 Résumé du chapitre Au chapitre 3, la modélisation des SOA a été mise en contexte. Il a été expliqué que les SOA sont étudiés pour leur propriété de réduction du bruit d’intensité des sources optiques décrites au chapitre précédent. Leur application dans un système SSWDM, principalement au niveau de la conversion de longueur d’onde, a été discutée. De plus, les fondements physiques et la théorie des bandes des matériaux semiconducteurs ont permi d’obtenir une description du gain matériel des SOA. Cette approche permet d’obtenir une matrice de gain, c’est-à-dire une valeur du gain matériel pour une densité de porteurs et une longueur d’onde fixe. Par la suite, les équations décrivant la dynamique des SOA, à savoir les équations d’évolution de la densité de porteurs et l’équation de propagation, ont été réduites à une Chapitre 3. Modélisation des amplificateurs optiques à semi-conducteur 57 seule équation différentielle ordinaire. Cette ODE forme la base du modèle du réservoir. Ce chapitre présente différentes versions de ce modèle qui ont été implémentées. Le gain matériel qui est utilisé dans le modèle du réservoir est obtenu plus tard dans le chapitre, en procédant à la linéarisation de l’expression du gain matériel formulée précédemment. Chapitre 4 Résultats expérimentaux Les mesures expérimentales présentées dans ce chapitre visent à valider les modèles de simulation présentés au chapitre 3. Chacune des sections de ce chapitre correspond directement à une section du chapitre des résultats de simulation. Les relations entre les sections sont présentées à la table suivante. Tab. 4.1 – Correspondance entre les sections des chapitres 3, 4 et 5 Section des Section des résultats résultats expérimentaux de simulation BER Extraction des paramètres Cas de figure 4.1 4.2 4.3 5.1 3.5 5.2 Les mesures du BER sont la motivation principale de l’étude des SOA. Elles ont été prises avec des sources thermiques de différentes largeurs spectrales et à plusieurs taux de transmission. Le mécanisme de conversion de longueur d’onde par XGM a été présenté à la section 3.1, tandis que les résultats de simulations du BER des sources thermiques seules sont présentés à la section 5.1.4. D’autres mesures servent à estimer la valeur de certains paramètres du modèle détaillé et du modèle du réservoir. Il est parfois possible de déterminer directement la valeur des différents paramètres à l’aide de mesures expérimentales. La dernière section de ce chapitre porte sur la mesure des cas de figure. Ce sont des caractéristiques clés du SOA (gain statique, réponse dynamique, etc.) qui servent de 59 Chapitre 4. Résultats expérimentaux balises pour évaluer l’exactitude des modèles de simulation. Une description plus étoffée des ces critères est présentée à la section 4.3. Sauf indication contraire, tous les résultats expérimentaux sont obtenus avec un SOA de la compagnie « Optospeed » de modèle « 1550MRI X1500 ». Il est contrôlé en température et son courant d’injection est toujours fixé à 500 mA. 4.1 Mesures de BER 4.1.1 Source incohérente accordable en longueur d’onde de largeur spectrale variable Dans le but de connaı̂tre les performances d’un système SSWDM, il faut être capable de produire au laboratoire une source optique incohérente accordable en longueur d’onde. On veut également une source de largeur spectrale variable, mais relativement faible pour faciliter les simulations Monte-Carlo. Pour obtenir cette source, on utilise le montage présenté à la figure 4.1. Les deux EDFA servent à augmenter la puissance de sortie, car la source large-bande initiale ne donne pas une densité de puissance très élevée sur tout le spectre. Les filtres optiques intermédiaires servent quant à eux à concentrer le gain des EDFA sur la région spectrale d’intérêt. Ils sont tous deux accordables et centrés à la même longueur d’onde que le monochromateur, c’est-à-dire 1550 nm. Ce sont les filtres JDS Uniphase TB9 de 0.25 nm et JDS Uniphase TB15B de 1.2 nm qui ont été utilisés lors de l’expérience. Le monochromateur est en fait un analyseur de spectre optique (OSA) de marque Hewlett-Packard et de modèle 70951A qui peut être utilisé comme une filtre accordable d’une très faible largeur spectrale. Source large-bande Filtre accordable 1.2 nm EDFA Monochromateur EDFA Filtre accordable 0.25 nm Fig. 4.1 – Montage expérimental utilisé pour obtenir la source large-bande Il est possible de remarquer deux étages d’amplification optique à la figure précédente. Ils servent à augmenter la puissance de la source, mais n’influencent pas sensiblement ses propriétés statistiques. En effet, les amplificateurs EDFA utilisés ont un temps de réponse très lent (de l’ordre de la milliseconde) par rapport aux variations très rapides de la sources elle-même (de l’ordre de la nanoseconde). Le gain est donc très linéaire pour la source originale et ses propriétés statistiques ne sont pas affectées. 60 Chapitre 4. Résultats expérimentaux Les spectres optiques obtenus dépendent du monochromateur, mais aussi du filtre de sortie. Dans le système, seul le le monochromateur a une largeur spectrale variable. La largeur des spectres obtenus (à 3 dB) est d’environ 5, 10 et 20 GHz. Ces spectres sont présentés à la figure suivante. 0 5 GHz 10 GHz 20 GHz PSD (dBm/nm) −5 −10 −15 −20 −25 −30 −20 −15 −10 −5 0 5 10 Fréquence référencée à 1550 nm (GHz) 15 20 Fig. 4.2 – Spectres optiques de la source incohérente large-bande 4.1.2 PDFs des sources optiques incohérentes La première mesure expérimentale a pour but de vérifier la distribution d’intensité des sources incohérentes proposée par Goodman [11] et présentée à la section 2.3. On utilise la source représentée à la figure 4.1 pour générer un signal optique qu’on détecte à l’aide d’un photodétecteur Agilent 86105A. Un oscilloscope Agilent 86100A sert à faire l’acquisition des échantillons temporels de W (t) dont l’histogramme donne une approximation de la PDF. Deux histogrammes sont présentés aux figures 5.4 et 5.5 du chapitre suivant (section 5.1.3) parce qu’ils contiennent également des résultats de simulations. 61 Chapitre 4. Résultats expérimentaux 4.1.3 Mesures du BER Des mesures expérimentales du taux d’erreur ont été réalisées avec les combinaisons formées à partir de trois bandes optiques Bo et de trois bandes électriques Be . Ces combinaisons donnent quatre valeurs du rapport Bo /Be distinctes, qui sont présentées à la table 4.1.3. En pratique, la bande électrique est déterminée par le taux de transmission des données, car le filtre électrique est toujours sélectionné pour que sa largeur à 3 dB corresponde à environ 70 % de ce taux. Tab. 4.2 – Facteurs M obtenus pour les mesures du BER Facteur M M ≈ Bo /Be 5.4 10.7 21.4 42.8 Bo Be 5 GHz 933 MHz 10 GHz 1.87 GHz 5 GHz 467 MHz 10 GHz 933 MHz 20 GHz 1.87 GHz 10 GHz 467 MHz 20 GHz 933 MHz 20 GHz 467 MHz Ces trois formes de spectre optique combinées aux trois largeurs de filtre électrique donnent des valeurs de M comprises entre 5 et 43. Ce sont des valeurs significatives, puisqu’elles correspondent à différents régimes. Lorsque M est faible (≈ 5), le signal est très dégradé et le BER est élevé. Par contre, lorsque M est élevé (≈ 43), le BER est assez faible et la distribution de l’intensité tend vers le cas gaussien. On considère généralement acceptable l’approximation gaussienne de la PDF lorsque M approche 100. Ces combinaisons ont été sélectionnées dans le but d’avoir un BER élevé, puisqu’il est plus facile de faire des simulations de type Monte-Carlo lorsque les performances sont mauvaises. Les erreurs sont plus fréquentes et le nombre de bits requis pour obtenir un nombre fixe d’erreurs est donc moins élevé (en probabilité). Les mesures de BER sont prises avec un signal SSWDM à 1550 nm seul et en conversion de longueur d’onde vers un signal cohérent à 1521 nm. Le montage expérimental de la figure 4.3 utilise un laser Agilent 8164A, un photodétecteur Agilent 11982A. Le système BERT Agilent 70004A comprend un générateur de signal Agilent 70340A et un détecteur d’erreurs Agilent 70843C. Des filtres électriques Picosecond Pulse Labs à 467 MHz (5915-100-467MHz), 933 MHz (5915-110-933MHz) et 1.87 GHz (5915-110187GHz) ont été utilisés. Exceptionnellement, un pré-amplificateur optique à semi- 62 Chapitre 4. Résultats expérimentaux Contrôleur de polarisation Atténuateur variable Modulateur EO 1 2 3 Filtre optique 0.25 nm @ 1521 nm Source incohérente @ 1550 nm Générateur PRBS 2 15 -1 SOA Courant: 130 mA Laser accordable @1521 nm Photodiode Filtre Électrique 0.7 x Taux Mesure du BER Électrique Oscilloscope Optique Fig. 4.3 – Schéma du montage expérimental utilisé pour la conversion de longueur d’onde conducteur de marque Kamelian a été utilisé pour les mesures de BER au lieu du modèle de SOA Optospeed utilisé pour toutes les autres expériences. Il s’agissait du seul amplificateur disponible au moment où ces mesures ont été faites. Les figures 4.4 à 4.6 ont été tracées de manière à faciliter l’interprétation en terme de spectre optique et de taux binaire. Pour chaque taux, la courbe du haut (noire) est mesurée avec la source incohérente seule et la courbe du bas (rouge) est mesurée avec un schéma de conversion de longueur d’onde. Les courbes à 622 Mb/s sont représentées par des triangles, à 1.25 Gb/s par des carrées et à 2.5 Gb/s par des cercles. Dans un contexte de communications numériques, on peut faire l’interprétation suivante : 1. Pour une même bande optique : le BER croı̂t avec le taux de transmission, car en augmentant la bande électrique on laisse passer plus de bruit. 2. Pour une même bande électrique : le BER diminue si on augmente la bande optique, car le facteur M augmente aussi. Comme il est possible de le constater en observant les distributions de probabilité de la figure 2.3, plus les sources incohérentes ont un spectre étroit, plus elles sont bruyantes puisque leur facteur M associé diminue. Il est donc raisonnable d’obtenir de moins bonnes performances pour la source optique de 5 GHz que pour la source de 20 63 Chapitre 4. Résultats expérimentaux −1 10 −2 10 −3 BER 10 −4 10 BR = 1.25 Gb/s −5 10 −6 10 BR = 622 Mb/s −7 10 −20 −18 −16 −14 −12 −10 −8 Puissance Optique (dBm) −6 −4 −2 Fig. 4.4 – Mesure du BER pour une source optique de 5 GHz GHz ceteris paribus. À la figure 4.4, on remarque l’abscence de la courbe de 2.5 Gb/s, qu’il n’a pas été possible d’obtenir expérimentalement étant donné le niveau de bruit élevé. Les performances (i.e. le BER) étaient trop mauvaises pour être adéquatement mesurées. On remarque que le BER est amélioré par le schéma de conversion de longueur d’onde par près de quatre ordres de grandeurs dans certains cas. Cette amélioration ouvre la voie à différentes solutions pour augmenter encore davantage les performances, comme par exemple l’utilisation de certains codes correcteurs. 4.2 Extraction des paramètres du modèle numérique de simulation On présente dans cette section les mesures faites pour déterminer la valeur de certains paramètres physiques utilisés dans les différents modèles de simulations. 64 Chapitre 4. Résultats expérimentaux 0 10 −2 BR = 2.5 Gb/s 10 −4 BER 10 BR = 1.25 Gb/s −6 10 −8 10 −10 BR = 622 Mb/s 10 −12 10 −20 −15 −10 −5 Puissance optique (dBm) 0 5 Fig. 4.5 – Mesure du BER pour une source optique de 10 GHz 0 10 −2 10 BR = 2.5 Gb/s −4 10 −6 BER 10 BR = 1.25 Gb/s −8 10 −10 10 −12 10 BR = 622 Mb/s −14 10 −20 −15 −10 −5 Puissance Optique (dBm) 0 5 Fig. 4.6 – Mesure du BER pour une source optique de 20 GHz 65 Chapitre 4. Résultats expérimentaux 4.2.1 Spectre de l’ASE Pour pouvoir caractériser l’ASE émise par l’amplificateur, une mesure de son spectre de puissance a été effectuée à l’aide d’un OSA Ando AQ6317B. Il s’agit d’une mesure simple à réaliser qui permet d’obtenir la distribution de puissance totale à la sortie de l’amplificateur. La mesure permet aussi de connaı̂tre la puissance de l’ASE émise en l’abscence de signal, soit l’intégrale de la PSD. On obtient des puissances de 7.0 et 7.2 dBm à chacune des sorties du SOA Optospeed. La figure 4.7 montre la distribution spectrale de la puissance de l’ASE. 0 −5 Puissance (dBm/nm) −10 −15 1560 1560.5 1561 −20 −25 −30 −35 −40 −45 1500 1520 1540 1560 1580 Longueur d’onde (nm) 1600 1620 Fig. 4.7 – Densité spectrale de puissance de l’ASE du SOA Optospeed 4.2.2 Dimension du milieu de gain La mesure du spectre d’ASE permet d’obtenir un estimé de la longueur du milieu de gain de l’amplificateur. En effet, il subsiste toujours une légère résonnance à l’intérieur du milieu actif malgré l’utilisation de couches anti-reflets. Par analogie avec un résonateur de type Fabry-Pérot, il est possible de déduire la longueur de la cavité. Pour la mesure des dimensions d’un résonateur passif, on peut utiliser une source de lumière large-bande pour éclairer la cavité. Le spectre de la lumière à la sortie de la cavité comporte des franges causées par l’interférence à certaines longueurs d’onde. Dans 66 Chapitre 4. Résultats expérimentaux le cas du SOA, la source de lumière large-bande est interne : c’est l’ASE générée par le milieu actif qui éclaire la cavité. On estime la dimension optique du milieu de gain en observant l’espacement des franges d’interférence sur le spectre présenté à la figure 4.8. L’encadré est un agrandissement d’une portion du spectre et sert à identifier clairement les franges. −4.85 −4.9 Puissance (dBm/nm) −4.95 ∆λ −5 −5.05 −5.1 −5.15 −5.2 1560 1560.15 1560.3 1560.45 1560.6 Longueur d’onde 1560.75 1560.9 1561 Fig. 4.8 – Franges d’interférence observées sur le spectre d’ASE Pour obtenir la longueur de la cavité, il faut déterminer l’espacement en fréquence des maxima locaux du spectre. Comme ce dernier est présenté sur une échelle de longueur d’onde, il suffit de différencier la relation de dispersion de la lumière c0 = λν pour obtenir |∆ν| = c0 |∆λ| λ2 (4.1) On remplace alors cette équation dans la relation classique décrivant l’interférence dans une cavité Fabry-Pérot [22] ∆ν = c c0 /neq = 2L 2L (4.2) 67 Chapitre 4. Résultats expérimentaux où la vitesse de la lumière dans le vide c0 est divisée par l’indice de réfraction moyen neq du milieu de gain. On obtient donc la relation entre l’espacement en longueur d’onde et la longueur optique de la cavité : L= λ2 . 2 ∆λ neq (4.3) En utilisant 0.2 nm comme valeur d’espacement spectral, la longueur du chemin optique est estimée à environ 1.9 mm. Par contre, une erreur de 0.05 nm sur l’espacement entraı̂ne une erreur de 0.47 mm sur la longueur optique de la cavité. Divisé par l’indice de réfraction moyen, la longueur de la cavité L est estimée à 0.9 mm. La meilleure correspondance entre les données expérimentales et les résultats de simulation est obtenue avec une valeur de L = 1.3 mm. 4.3 Mesures des cas de figure On présente les mesures réalisées pour obtenir les trois figures de mérite fixées comme balises dans l’analyse des modèles de simulations. Ces résultats sont repris à la section 5.2 pour valider les simulations numériques. Les mesures expérimentales faites avec un signal dont l’intensité est constante dans le temps sont dites statiques. Il s’agit de la saturation du gain (section 4.3.1) et du spectre de gain (section 4.3.2). Les formes d’un pulse optique, avant et après son amplification par le SOA, ont aussi été mesurées. Il s’agit de mesures dynamiques visant à valider la réponse du modèle aux variations brusques de puissance optique du signal à l’entrée. Les résultats sont présentés à la section 4.3.3. 4.3.1 Mesure de la saturation du gain La courbe de saturation du gain présente le gain global de l’amplificateur G(Pk , λk ) pour plusieurs puissances optiques fixes. Typiquement, la courbe comporte deux asymptotes lorsqu’elle est tracée en échelle logarithmique : 68 Chapitre 4. Résultats expérimentaux – Faible Signal. Lorsque le signal d’entrée a une puissance très faible, le gain est presque constant autour d’une valeur G0 . Il s’agit du gain à faible signal. – Fort Signal. Dans le cas où la puissance d’entrée est très élevée, la puissance de sortie tend vers une valeur fixe [27]. La figure 4.9 présente la courbe de gain obtenue expérimentalement à 1560 nm. Les deux asymptotes décrites précédemment y sont représentées. 32 30 28 26 Gain (dB) 24 Gain à faible signal 22 20 18 16 Diminution du gain à fort signal 14 12 10 −50 λ = 1560 nm −40 −30 −20 −10 0 P in (dBm) opt. Fig. 4.9 – Saturation et comportement asymptotique du gain Pour réaliser la mesure du gain à une longueur d’onde précise, il est impératif d’utiliser une source optique de faible largeur spectrale (quelques MHz). Dans ce cas, un laser Agilent 8164A est utilisé. Les mesures de puissance des signaux d’entrée et de sortie se font à l’aide du même instrument de manière à conserver la référence de puissance. On utilise un analyseur de spectre optique (OSA) Ando AQ6317B. Cet instrument permet de mesurer le niveau du bruit (ASE) autour de la longueur d’onde du signal à la sortie du SOA. On se sert de cette valeur pour éliminer l’effet du bruit (ASE) et ainsi obtenir le gain à la longueur d’onde du signal [44]. La correction est importante lorsque la puissance du signal d’entrée est faible, car la puissance d’ASE est alors élevée. Le schéma expérimental est illustré à la figure 4.10. 69 Chapitre 4. Résultats expérimentaux Atténuateur variable Laser Accordable Contrôleur de polarisation SOA OSA Isolateur Fig. 4.10 – Schéma du montage expérimental utilisé pour les mesures de gain La courbe de saturation du gain donne accès à une valeur importante : la puissance de saturation Psat de l’amplificateur. En pratique, on la définit comme la puissance optique d’entrée qui observe un gain équivalent à la moitié du gain à faible signal. Autrement dit, G(Psat ) , G0 /2. Dans toutes les mesures, la polarisation est ajustée de manière à maximiser le gain. 4.3.2 Mesure du spectre de gain Le spectre de gain G(λ) est obtenu en mesurant le gain à plusieurs longueurs d’onde en gardant la puissance optique à l’entrée du SOA fixe. La méthode de mesure, le montage et les instruments sont les mêmes que pour la saturation du gain. Le spectre de gain présenté à la figure 4.11 a été obtenu pour une puissance d’entrée de -25 dBm. 4.3.3 Mesure de la forme d’un pulse optique amplifié Le critère choisi comme élément de comparaison en régime dynamique est la forme d’un pulse optique après son passage dans l’amplificateur. Bien que cette mesure ne soit pas représentative du régime dynamique complet, elle a l’avantage d’être facile à réaliser au laboratoire. La mesure de la forme temporelle du pulse amplifié faite au laboratoire utilise un oscilloscope à échantillonnage Agilent 86100A. On fait cette mesure à la sortie de l’amplificateur, mais également à l’entrée de ce dernier pour différents niveaux de puissance. La mesure du pulse à l’entrée est importante, car les échantillons temporels obtenus servent de signal d’entrée aux modèles de simulation. En pratique, le montage présenté à la figure 4.12 comprend un laser accordable Agilent 8164A, centré à une longueur d’onde de 1560 nm. Le signal est modulé de manière interférométrique (modulateur électro-optique du type Mach-Zender). Le rap- 70 Chapitre 4. Résultats expérimentaux 30 25 Gain (dB) 20 15 10 5 Poptique = −25 dBm 0 1530 1540 1550 1560 Longueur d’onde (nm) 1570 1580 Fig. 4.11 – Spectre de gain à faible signal de l’amplificateur port d’extinction obtenu est d’environ 10 dB après le filtre électrique, mais il varie légèrement avec les différents niveaux de puissance comme il est possible de le constater à la figure 4.13. On détecte le signal avec une photodiode Agilent 11982A et on enregistre la forme à l’aide d’un oscilloscope à échantillonnage Agilent 86100A dont la bande passante est supérieure à 20 GHz. Les pulses sont mesurés aux quatre puissances (moyennes temporelles) suivantes : – une puissance supérieure à la puissance de saturation (Pin = −9dBm > Psat ), – une puissance comparable à la puissance de saturation (Pin = −13dBm ≈ Psat ), – deux puissances inférieures (Pin = {−18, −22} dBm < Psat ). Un filtre électrique est placé entre le modulateur et le générateur de patrons pseudoaléatoires. Il sert à éliminer les oscillations rapides introduites sur les données binaires par le système de mesure (BERT) lors des transitions (0 vers 1 et 1 vers 0). Ces oscillations proviennent des harmoniques du signal d’horloge et sont problématiques lors de la modélisation. Les transitions du signal électrique envoyées au modulateur sont moins franches, mais elles ne comportent pas d’oscillations parasites. Même si le filtre électrique réduit la largeur de bande du stimulus envoyé au SOA, l’objectif premier de cette expérience est d’obtenir un modèle adéquat pour les systèmes de communications métropolitains. Nous estimons qu’en ce sens, utilisé un pulse filtré est représentatif de 71 Chapitre 4. Résultats expérimentaux Atténuateur variable Contrôleur de polarisation LASER @ 1560 nm Isolateur Optique EO Modulateur Filtre Électrique SOA Photodiode Oscilloscope (trigger) PRBS 2 7 -1 @ 1 Gb/s Liens électriques Liens optiques Fig. 4.12 – Montage expérimental de la mesure des pulses optiques la fiabilité du modèle. On remarque également sur le montage de la figure 4.12 qu’il n’y a pas de filtrage optique avant le photodétecteur. Un tel filtrage est problématique pour deux raisons : 1. Le niveau d’ASE est important pour valider les simulations numériques. Filtrer pour ne conserver que le signal ne permettrait pas d’obtenir une grande certitude quand à la modélisation de l’ASE dans les simulations numériques. 2. Ajouter un filtre optique modifie la forme des pulses optiques enregistré par le photodétecteur. Les SOA introduisent un glissement de fréquence ou chirp important sur le signal de sortie [45]. Utiliser un filtre introduit une distortion du pulse, un phénomène comparable à la démodulation d’un signal FM [8, 44, 46]. La plus grande subtilité de cette mesure est d’identifier correctement le pulse sur la séquence binaire pseudo-aléatoire (PRBS) de 127 bits. Pour que les effets dus au patron soient les mêmes à l’entrée et à la sortie, il faut mesurer le bit au même endroit de la séquence dans les deux mesures. En pratique, on choisit un pulse isolé, c’est-à-dire un 1 précédé et suivi de plusieurs 0. 4.4 Résumé du chapitre Au chapitre 4, différents aspects expérimentaux sont présentés. Tout d’abord, les mesures de la forme spectrale de la source incohérente sont présentées. De plus, la 72 Chapitre 4. Résultats expérimentaux 12 Pmoy = −9.1 dBm 11 −5 10 Pmoy = −13.1 dBm 9 Popt. (dBm) Popt. (dBm) −10 Pmoy = −17.8 dBm −15 Pmoy = −22.1 dBm −20 8 7 6 Pmoy = −8.2 dBm Pmoy = −13.1 dBm 5 −25 Pmoy = −17.8 dBm 4 −30 0 0.5 1 temps (ns) (a) À l’entrée 1.5 2 3 Pmoy = −22.1 dBm 0 0.5 1 1.5 2 temps (ns) (b) À la sortie Fig. 4.13 – Pulses mesurés à l’entrée et à la sortie du SOA distribution d’intensité de la source est présentée. Ensuite, des mesures du taux d’erreur binaires sont présentées pour différentes bandes optiques. Par la suite, des mesures du spectre d’ASE émise par le SOA sont présentées. Elles sont utilisées pour obtenir des informations sur les dimensions physiques des SOA, spécialement la longueur optique de la région active. En dernier lieu, on présente trois types de mesures servant de points de repère pour la comparaison des modèles de simulation. Ces mesures sont la saturation du gain, le spectre de gain et la réponse à un pulse. La comparaison des résultats de simulation avec ces trois mesures est faite au chapitre suivant. Chapitre 5 Résultats de simulation Dans le but d’estimer les performances d’un système de communication SSWDM utilisant la conversion de longueur d’onde à la réception, il est nécessaire de modéliser correctement la source incohérente et le SOA. Tout d’abord, les propriétés statistiques des sources incohérentes ont été étudiées et les résultats obtenus servent à développer un modèle semi-analytique pour estimer le BER. Ensuite, la correspondance des résultats de simulation avec les résultats expérimentaux sont étudiées pour les cinq modèles numériques de SOA introduits au chapitre 3. 5.1 Simulation du BER Cette section porte sur la modélisation des sources incohérentes. On vérifie d’abord que le modèle théorique est adéquat en comparant les histogrammes expérimentaux aux PDFs prédites par le modèle. On étudie également certaines propriétés statistiques des modèles de sources thermiques. Par la suite, on utilise ce résultat pour estimer le taux d’erreur associé à l’utilisation d’une source incohérente dans le contexte d’un système de communication. Ce modèle semi-analytique est ensuite validé avec les courbes expérimentales du BER qui ont été présentées à la section 4.1.3. 5.1.1 Ergodicité des sources incohérentes On se propose tout d’abord de vérifier l’ergodicité du processus lorsqu’on utilise le modèle fréquentiel pour décrire les sources incohérentes. Lors du développement 74 Chapitre 5. Résultats de simulation présenté à la section 2.1, l’espérance mathématique a été interchangée librement avec la moyenne temporelle. Même s’il est impossible de le faire au laboratoire, on peut facilement vérifier numériquement l’ergodicité du processus I(t). En simulation, il est facile de réaliser la même expérience un grand nombre de fois. On utilise le modèle présenté à la section 2.4 pour obtenir des échantillons de deux manières différentes : 1. Statistiques temporelles. La distribution de l’intensité est obtenue sur une seule réalisation en considérant tous les échantillons. 2. Statistiques d’ensemble. La distribution de l’intensité est formée d’échantillons obtenus à un seul instant du temps pour un grand nombre de réalisations du processus W (t). La figure 5.1 compare les deux hypothèses précédentes. D’une part, elle montre la distribution de l’intensité obtenue en présumant l’ergodicité pour 100 000 échantillons temporels. D’autre part, la figure montre les distributions prises à trois différents instants d’échantillonnage (ts = 150, 250 et 450) en supposant la deuxième hypothèse. Les trois instants d’échantillonnage ont été choisis arbitrairement pour vérifier que le comportement statistique est le même sur tout l’intervalle. Ce devrait être le cas, puisque la modélisation est en partie basée sur la stationnarité de la source. La figure en échelle logarithmique montre des effets de discrétisation pour les événements rares. Un plus grand nombre d’échantillons est requis pour obtenir un histogramme plus lisse à des fréquences relatives faibles. 3 1000 10 900 ts = 150 ts = 250 ts = 250 ts = 450 ts = 450 supposant erg. 700 600 500 400 300 2 Fréquence Relative 800 Fréquence Relative ts = 150 supposant erg. 10 1 10 0 10 200 100 0 −1 0 0.002 0.004 0.006 Intensité (W) (a) Échelle linéaire 0.008 0.01 10 0 0.002 0.004 0.006 0.008 0.01 Intensité (W) (b) Échelle logarithmique Fig. 5.1 – Distribution de l’intensité de la source incohérente sans filtrage La figure 5.1 montre une très bonne correpondance entre les deux hypothèses. On peut aller encore plus loin dans la vérification et montrer qu’en simulation, le signal amplifié semble aussi ergodique. Ce résultat est présenté à la figure 5.2. Évidemment, 75 Chapitre 5. Résultats de simulation cette démonstration de l’ergodicité est limitée au modèle numérique, en l’occurrence le modèle du réservoir. La démonstration de l’ergodicité du processus, du moins selon les simulations numériques, pourrait faciliter une approche analytique du problème. Elle donne une certaine confiance en l’hypothèse de l’ergodicité du processus à la sortie du SOA. 3 120 10 ts = 150 ts = 150 ts = 250 100 10 Fréquence Relative ts = 450 Fréquence Relative ts = 250 2 Ergodique 80 60 40 ts = 450 Supposant erg. 1 10 0 10 −1 10 20 0 −2 0 0.005 0.01 0.015 0.02 0.025 10 0.03 0 0.005 Intensité (W) 0.01 0.015 0.02 0.025 Intensité (W) (a) Échelle linéaire (b) Échelle logarithmique Fig. 5.2 – Distribution de l’intensité du signal amplifié par le modèle du réservoir 5.1.2 Estimation du facteur M Pour obtenir une description complète du bruit d’intensité selon le modèle proposé par Goodman, il faut détenir deux informations : la moyenne de l’intensité et le facteur M. La moyenne est facile à obtenir, mais ce n’est pas le cas du facteur M du signal. On utilise la définition proposée à la section 2.2 : M = R ∞ hR ∞ −∞ −∞ hR ∞ −∞ Bo (ω)dω i2 i Bo (ω)Bo (ω + Ω)dω Be (Ω)dΩ Le spectre optique de la source incohérente est utilisé pour extraire le facteur M et ainsi déduire la PDF de l’intensité. La puissance du signal (au numérateur) et celle du bruit (au dénominateur) sont calculées indépendamment en utilisant la procédure suivante. 1. Puissance du signal : Chapitre 5. Résultats de simulation 76 (a) La PSD mesurée de la source est convertie en échelle linéaire pour obtenir SASE (λc )Bo (λ). (b) La PSD SASE (λc )Bo (λ) est ensuite convertie dans le domaine des fréquences pour obtenir SASE (ωc )Bo (ω). (c) La PSD est ensuite recentrée sur la fréquence optique correspondant à son maximum (ωc ) pour obtenir Bo (ω). (d) La puissance totale du signal est obtenue en intégrant la PSD finale. 2. Puissance du bruit : (a) L’axe des fréquences optiques est interpolé sur un vecteur linéaire pour faciliter le calcul de la fonction d’autocorrélation. (b) On détermine une fonction de transfert électrique Bessel-Thompson de quatrième ordre notée H(ω) [9]. Cette forme de filtre est choisie parce qu’elle approxime corectement le filtre utilisé dans le montage de la figure 4.3. (c) La fonction d’autocorrélation du spectre optique est multipliée par le filtrage en puissance Be (ω) = |H(ω)|2 . (d) Une intégration numérique de l’étape précédente permet d’obtenir la puissance du bruit. 3. Le facteur M est obtenu en divisant la puissance du signal par celle du bruit, suivant l’équation 2.2. On présente à la figure 5.3 un exemple comparatif de la largeur de la fonction d’autocorrélation du filtre optique (en bleu) et du module carré de la réponse en fréquence (en noir) de la fonction de transfert du filtre électrique. Pour un facteur M faible (environ 5), la forme de la bande optique est relativement importante, même si le résultat du produit (cercles rouges) ne s’écarte pas beaucoup de la réponse Be (ω) du filtre électrique (trait plein noir). Il semble évident que pour une bande optique suffisamment large, seule la valeur du DC de l’autocorrélation du filtre optique est réellement importante. La valeur du facteur M est déterminée principalement par la forme du filtre électrique. 5.1.3 PDF de l’intensité intégrée paramétrisée par M Pour en vérifier l’exactitude du modèle proposé par Goodman [11], on réalise un histogramme de l’intensité intégrée W (t) du signal. On présume de manière implicite l’ergodicité du processus puisque les échantillons sont recueillis les uns après les autres pour une seule réalisation. L’histogramme normalisé est obtenu avec la source de 5 GHz donnant un facteur M ≈ 5.7 lorsqu’elle est employée avec un filtre électrique de 933 MHz. 77 Chapitre 5. Résultats de simulation 1 Auto−corr. |H(f)|2 0.9 Acorr ⋅ |H|2 0.8 Réponse (u.a.) 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 −6 −4 −2 0 2 Fréquence (GHz) 4 6 Fig. 5.3 – Comparaison du spectre optique autocorrélé et de la fonction de transfert électrique en puissance Pour obtenir la correspondance de la figure 5.4, il faut cependant tenir compte des diverses sources de bruit à la détection. La somme des bruits de détection est modélisée comme une seule variable aléatoire gaussienne de moyenne nulle dont la variance est obtenue expérimentalement. L’expression théorique de la PDF (équation 2.40) est convoluée avec la PDF de la variable gaussienne représentant les bruits de détection. Pour faire la transposition des signaux continus vers les signaux modulés OOK utilisés dans les systèmes SSWDM, il faut faire l’hypothèse que l’approche théorique tient toujours pour les niveaux logiques 0 et 1 pris indépendamment. La moyenne de chacun des niveaux est mesurée sur l’histogramme directement. Il est possible de constater à la figure 5.5 que l’extension de la théorie de Goodman vers les signaux modulés OOK semble adéquate. 5.1.4 BER paramétrisé par M En prenant pour hypothèse que les sources thermiques modulées OOK peuvent être décrites par le modèle présenté à la section 2.3 [11], il est alors possible d’estimer 78 Chapitre 5. Résultats de simulation 1 10 simulation expérimental 0 Fréquence relative 10 −1 10 −2 10 −3 10 −4 10 M ≈ 5.7 P = − 5.5 dBm −5 10 moy 0 0.2 0.4 0.6 0.8 1 1.2 Puissance optique (mW) Fig. 5.4 – Histogramme normalisé de l’intensité optique d’un signal incohérent sans modulation (CW) numériquement le BER. La procédure décrite plus bas consiste à utiliser la PDF de l’intensité sur les niveaux logiques 0 et 1 indépendamment. On introduit ensuite les bruits de détection et on obtient le BER en intégrant numériquement l’intersection des deux PDFs. La procédure est détaillée plus bas. 1. Structure des données. Pour tenir compte de l’interférence inter-symbol (ISI) engendrée par le filtrage électrique, nous supposons un canal avec une mémoire de deux bits. On génère huit vecteurs de trois bits à 40 échantillons par bit, correspondant aux 23 combinaisons possibles des symboles logiques [3]. 2. Filtrage électrique. Pour obtenir la forme des séquences de données après filtrage, on filtre les séquences de bits de l’étape précédente. 3. Distribution d’intensité des niveaux logiques. Chacune des huit séquences de bits a une moyenne différente, mais le même facteur M. On calcule la PDF de chaque séquence en utilisant comme moyenne sa valeur au moment d’échantillonnage. On désire obtenir deux PDFs : une sur le niveau logique 1 et une sur le niveau logique 0. Pour ce faire, on moyenne la PDF de chacune des quatre séquences sur le 0 et sur le 1, c’est-à-dire 79 Chapitre 5. Résultats de simulation −2 10 Mesure Simulation 0 logique Simulation 1 logique −3 Férquence relative 10 −4 10 −5 10 −6 10 −7 10 M ≈ 6.55 Taux binaire = 2.5 Gb/s −8 10 0 500 1000 1500 2000 2500 Puissance optique (µW) Fig. 5.5 – Histogramme normalisé de l’intensité optique d’un signal incohérent modulé (OOK) 4 1 X p0,j (W ) p0 (W ) = 2 2 j=1 p1 (W ) = (5.1) 4 1 X p1,j (W ) . 22 j=1 (5.2) 4. Autres sources de bruit. La PDF moyennée de chaque niveau logique est multipliée par la responsivité mesurée du détecteur, puis convoluée avec la distribution gaussienne du bruit du photocourant. On fait la supposition que la somme des bruits peut être représentée par une variable gaussienne indépendante du signal optique. 5. Calcul du BER. Une fois que la PDF finale a été déterminée pour chacun des niveaux logiques, le BER est calculé à partir de la définition pour une modulation de type OOK [3, 9, 10] : 1 BER = 2 Z 0 Ith 1 p1 (ζ) dζ + 2 Z ∞ Ith p0 (ζ) dζ (5.3) 80 Chapitre 5. Résultats de simulation −1 10 BER Le modèle permet de prédire un plancher de bruit à 4 ⋅ 10−3 −2 10 Modèle semi−analytique Données expérimentales −12 −10 −8 −6 −4 −2 0 2 4 6 Puissance optique (dBm) Fig. 5.6 – Simulations du BER pour un système SSWDM utilisant une bande optique de 10 GHz où Ith , R · Wth est le seuil de décision du photocourant. Ces simulations permettent de prédire les planchers de bruit, qui ne sont pas toujours faciles à mesurer. Le choix des paramètres de cette simulation (un M ≈ 5 et un taux de transmission de 2.5 Gb/s) a été fait de manière à obtenir des taux d’erreur élevés, comme l’indique la figure 5.6 qui illustre les résultats obtenus avec ce modèle semi-analytique. La différence observée à faible puissance entre la prédiction du modèle et la mesure expérimentale s’explique principalement par le manque de précision de la mesure à faible puissance. Lorsque le taux d’erreur est très élevé, le BERT ne parvient plus à donner une mesure fiable puisqu’il perd sa synchronisation. Le taux d’erreur devrait, tel que prédit par le modèle, tendre vers 0.5 puisque la probabilité a priori d’obtenir un des deux symboles est 0.5. 5.2 Modélisation des SOA Dans cette section, on présente les résultats de simulation obtenus avec le modèle détaillé (section 3.4.1) et avec les quatre variantes du modèle du réservoir (sections 3.4.2 81 Chapitre 5. Résultats de simulation à 3.4.5). Pour comparer la validité des modèles, on fixe trois différents cas de figure [36] : 1. La saturation du gain (statique) 2. Le spectre de gain (statique) 3. La réponse à un pulse (dynamique) On compare les résultats de simulation avec les résultats expérimentaux de la section 4.3 pour chacun des trois cas de figure. 5.2.1 Modèle détaillé Saturation du gain Le modèle détaillé suggéré par Connelly, présenté à la section 3.4.1, permet d’obtenir une correspondance fidèle avec les mesures de saturation du gain de la section 4.3.1. La comparaison est présentée à la figure 5.7. Les valeurs des paramètres du modèle sont listées par Mathlouthi [36] et répétées en annexe. 32 λ = 1560 nm 30 28 26 Gain (dB) 24 22 20 18 16 14 12 10 −50 modèle détaillé mesures −40 −30 −20 P opt. −10 0 (dBm) Fig. 5.7 – Saturation du gain obtenue avec le modèle détaillé Chapitre 5. Résultats de simulation 82 Spectre de gain Comme le montre la figure 5.8, le modèle détaillé prédit bien le spectre de gain. Il est cependant important de mentionner que le modèle a été développé pour la modélisation des amplificateurs en régime stationnaire [26]. Son extension vers le régime dynamique a déjà été réalisée [34]. Pulse optique amplifié La plus grande difficulté avec le modèle détaillé réside dans l’estimation de la valeur des paramètres de simulation. La figure 5.9 montre que le modèle prédit très bien les valeurs expérimentales aux niveaux de puissance P1 et P0 = P1 /RE, où RE est le rapport d’extinction. On définit le niveau P1 comme la puissance de sortie du SOA après le régime transitoire (le surdépassement), c’est-à-dire la valeur du plateau tel qu’indiquée sur la figure 5.9 qui correspond au 1 logique. La puissance P0 est la puissance équivalente, mais sur le niveau logique 0. La puissance moyenne est définie par la relation Pmoy , (P1 + P0 )/2. On constate que la correspondance est relativement bonne sur le surdépassement, au début du pulse. Cependant, le modèle ne tient pas compte des effets ultra-rapides qui se font principalement sentir principalement à ce moment [47]. Pour simuler numériquement les communications à des taux binaires relativement faibles (inférieurs à 10 Gb/s), le modèle est suffisamment précis. 5.2.2 Modèle du réservoir sans ASE Saturation du gain Dans cette section, on examine la version du modèle du réservoir qui néglige l’ASE. On constate que l’ASE est essentielle à la bonne description de la saturation du gain. À faible signal, l’ASE provoque une saturation auto-induite (self-saturation) de l’amplificateur. En utilisant un modèle sans ASE, la prédiction du gain à faible signal est beaucoup trop élevée, comme on l’indique la figure 5.10. La matrice de gain gres (λ, n) linéarisée a été utilisée dans ce cas, et les paramètres d’optimisations sont présentés à la table 5.1. Les coefficients listés dans la table pour 83 Chapitre 5. Résultats de simulation 30 25 Gain (dB) 20 15 10 5 modèle détaillé mesures 0 1530 1540 1550 1560 1570 1580 1590 longueur d’onde (nm) Fig. 5.8 – Spectre de gain obtenu avec le modèle détaillé 9 8 Popt. (mW) 7 P0 6 P1 5 4 mesure modèle détaillé 3 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 temps (ns) Fig. 5.9 – Pulse amplifié obtenu avec le modèle détaillé 84 Chapitre 5. Résultats de simulation 32 30 P Pulse avec = −9 dBm moy 28 P0 26 P1 Gain (dB) 24 22 20 P0 18 Pulse avec P = −18 16 moy dBm 14 12 10 −50 P1 rsvr sans ASE, 1 section mesures −40 −30 −20 P opt. −10 0 (dBm) Fig. 5.10 – Saturation du gain obtenue avec le modèle du réservoir sans ASE a(λ) et n0 (λ) sont des constantes qui multiplient les vecteurs de la figure 3.12 obtenus lors de la linéarisation de la matrice du coeffcient de gain matériel. Tab. 5.1 – Paramètres de simulation pour le modèle du réservoir sans ASE Paramètre Valeur section τeq a n0 cout αs L ηsp 1 305 ps 1.000× 0.965× 0.400 - Spectre de gain En observant la figure 5.11, on constate que le spectre de gain est surestimé par le modèle sans ASE. Il aurait été possible de le déduire directement de la figure 5.10 en observant le gain à faible signal, qui est lui aussi surestimé. En effet, le spectre de gain 85 Chapitre 5. Résultats de simulation 30 P = −27 dBm in 25 Gain (dB) 20 15 10 5 rsvr sans ASE, 1 section mesures 0 1530 1540 1550 1560 1570 1580 1590 longueur d’onde (nm) Fig. 5.11 – Spectre de gain obtenu avec le modèle du réservoir sans ASE a été mesuré pour une puissance de -27 dBm qui est nettement inférieure à la puissance de saturation. Malgré le fait qu’il soit trop élevé, le spectre de gain du modèle sans ASE a un maximum près de 1560 nm, comme celui de la courbe de gain expérimentale. Pulse optique amplifié On présente les résultats de simulation pour l’amplification de pulses optiques avec le modèle sans ASE. Pour examiner l’influence de la puissance du signal sur la saturation, on considère deux régimes d’opération : à faible puissance optique et à forte puissance optique. L’abscence de l’ASE introduit une déviation majeure entre les résultats de simulation et les données expérimentales. Le pulse de droite de la figure 5.12 illustre bien le phénomène pour deux raisons. Tout d’abord, son rapport d’extinction est trop élevé. Ensuite, les niveaux logiques sont tous deux décalés vers les bas, ce qui s’explique par l’abscence de la puissance d’ASE. On constate à la partie gauche de la figure 5.12 qu’à plus forte puissance optique, la correspondance avec les données expérimentales est meilleure. Cet effet s’explique par le fait que la puissance de l’ASE est moins élevée lorsque l’amplificateur est saturé. On surestime toutefois légèrement le niveau du 1 logique, comme l’indique la flèche à 86 Chapitre 5. Résultats de simulation 16 9 mesure rsvr sans ASE 14 mesure rsvr sans ASE 8 7 12 Popt (mW) Popt (mW) 6 10 8 6 5 4 3 4 2 2 1 Pmoy = −9 dBm 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 temps (ns) (a) Pmoy = −9 dBm 1.8 2 0 0.2 Pmoy = −18 dBm 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 temps (ns) (b) Pmoy = −18 dBm Fig. 5.12 – Pulses optiques amplifiés obtenus avec le modèle du réservoir sans ASE l’extrême droite de la figure 5.10. Ce comportement peut être expliqué à l’aide de la figure 5.10, qui montre aussi les excursions de puissance (de P0 à P1 ) pour deux pulses d’entrée ayant comme puissance moyenne -9 et -18 dBm. Ces deux formes de pulse, présentés à la figure 5.12, illustrent bien l’influence de l’ASE sur le niveau de saturation. Les paramètres de simulation ayant servis à générer la figure 5.10 ont été ajustés pour minimiser l’erreur dans la région entre -15 et -25 dBm. C’est dans cette région que se situe la puissance du pulse (Pmoy = -18 dBm) servant à la comparaison de tous les modèles [36]. Il s’agit d’une faiblesse du modèle sans ASE, qui ne parvient pas à faire correspondre à la fois le gain à forte et à faible puissance optique. 5.2.3 Modèle du réservoir en cascade avec ASE et pertes de couplage Pour augmenter la correspondance entre les simulations numériques et les données expérimentales, un modèle avec ASE est développé. Il utilise plusieurs sections d’amplification et introduit des pertes entre chacune d’elles, tel que décrit à la section 3.4.3. Ce modèle a de particulier qu’il utilise les coefficients provenant de la matrice gmat (λ, n). Les paramètres de simulations sont données à la table 5.2. 87 Chapitre 5. Résultats de simulation Tab. 5.2 – Paramètres de simulation pour le modèle du réservoir en cascade avec ASE et pertes de couplage Paramètre Valeur sections τeq σ η0 cout αs L ηsp 5 320 ps 1.050× 0.965× 0.175 1.000 0.500× Saturation du gain La saturation du gain est adéquatement modélisée par le simulateur avec pertes de couplages. Il est possible d’ajuster la valeur des pertes en fonction du nombre de sections pour obtenir une très bonne correspondance à 1560 nm, comme le montre la figure 5.13 réalisé en utilisant un modèle à 5 sections. Spectre de gain À la figure 5.14, on présente le spectre de gain du modèle avec pertes de couplage pour une et cinq sections. En linéarisant la matrice du coefficient de gain gmat (λ, n), on obtient un spectre de gain qui ne correspond pas aux mesures expérimentales. En effet, le spectre est fortement décalé en longueur d’onde, comme le montre la figure 5.14. L’encadré de la figure montre le gain en échelle linéaire et illustre l’importance de la différence entre la valeur mesurée et la valeur simulée. On constate que pour toutes les longueurs d’onde supérieures à 1560 nm, le gain modélisé est beaucoup trop important. L’ASE émise à ces longueurs d’onde est donc trop puissante, ce qui sature le SOA indûment. Le spectre de gain est faiblement affectée par l’utilisation d’un modèle utilisant une propagation en plusieurs étapes (en cascade). On constate que le niveau de saturation estimé pour une seule (longue) section est légèrement différent de celui estimé sur chacune des cinq sections utilisées pour cette simulation. C’est ce qui explique la différence sur le niveau du gain G(λ) aux bords du spectre. 88 Chapitre 5. Résultats de simulation 32 λ = 1560 nm 30 28 26 Gain (dB) 24 22 20 18 16 14 12 10 −50 rsvr avec gmat(λ,n), 5 sections mesures −40 −30 −20 P opt. −10 0 (dBm) Fig. 5.13 – Saturation du gain obtenue avec le modèle du réservoir en cascade (cinq sections) avec ASE et pertes de couplage Il est important de noter qu’en utilisant seulement la courbe de saturation du gain à la longueur d’onde du signal (à 1560 nm) comme critère, il aurait été impossible de détecter le décalage du gain. En effet, les ajustements font en sorte que les courbes expérimentales et numériques se croisent à 1560 nm. Le fait de diviser l’amplificateur en plusieurs sections ne déplace pas le spectre. Cette différence du spectre vient de la manière dont le modèle du réservoir avec pertes de couplage prend en considération les pertes par diffusion. Le modèle introduit des pertes indépendantes de la longueur d’onde et de la densité de porteurs, ce qui n’est pas très physique. En utilisant le modèle du réservoir avec pertes intrinsèques, les pertes de diffusion sont calculées selon la densité de porteurs pour chaque longueur d’onde et les résultats obtenus sont plus réalistes. Il aurait été possible de changer la valeur du gap énergétique pour déplacer artificiellement le spectre de gain, mais cela aurait eu pour effet de changer complètement le gain gmat (λ, n) du SOA. Nous tenions à conserver la paramétrisation du SOA qui donne un gain matériel acceptable et de bons résultats avec le modèle détaillé. 89 Chapitre 5. Résultats de simulation Pulse optique amplifié À la figure 5.15, on présente la forme du pulse amplifié prédite par le modèle du réservoir avec pertes de couplage. La figure présente la contribution à la longueur d’onde du signal (losanges), l’ASE totale émise sur les 20 canaux (tirets) et la somme des deux qui représente le signal total incident sur la photodiode (cercles). Ce dernier est comparé aux valeurs expérimentales (trait plein). Les résultats de simulation pour le régime dynamique sont également affectés par l’ASE émise aux longueurs d’onde supérieures à 1560 nm. Malgré l’ajustement du coefficient d’émission spontanée ηsp à la moitié de sa valeur originale, l’ASE est toujours dominante. La forme du pulse présenté à la figure 5.15 illustre également que l’amplificateur est saturé. En effet, contrairement aux résultats obtenus avec les autres modèles, le pulse ne présente pas de surdépassement lors de la transition du niveau logique 0 vers le niveau logique 1. 5.2.4 Modèle du réservoir en cascade avec ASE et pertes intrinsèques Dans le but de corriger la forme du spectre de gain et la puissance trop élevée de l’ASE, on utilise les coefficients du gain provenant de la matrice gres (λ, n). L’algorithme utilise le modèle en cascade (plusieurs sections) présenté à la section 3.4.4. Les paramètres de simulations sont présentés à la table 5.3. Tab. 5.3 – Paramètres de simulation pour le modèle du réservoir en cascade avec ASE et pertes intrinsèques Paramètre Valeur sections τeq a n0 cout αs L ηsp 5 320 ps 1.050× 0.965× 0.230 0.700× 90 Chapitre 5. Résultats de simulation 50 rsvr avec gmat(λ,n) 1 section 40 rsvr avec gmat(λ,n) 5 sections mesures 30 Gain (dB) 20 10 1500 0 1000 −10 500 −20 0 −30 1530 1540 1550 1530 1560 1560 1570 1590 1580 1590 longueur d’onde (nm) Fig. 5.14 – Spectre de gain obtenu avec le modèle du réservoir en cascade avec ASE et pertes de couplage 12 10 Popt (mW) 8 6 4 experimental ASE only signal only total signal 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 temps (ns) Fig. 5.15 – Pulse amplifié obtenu avec le modèle du réservoir en cascade avec ASE et pertes de couplage 91 Chapitre 5. Résultats de simulation Saturation du gain Pour toutes les variantes du modèle du réservoir incluant l’ASE, la saturation du gain à faible signal est correctement modélisée. On remarque à la figure 5.16 que la saturation du gain prédite par le modèle du réservoir avec pertes intrinsèques à cinq sections est comparable à celle observée expérimentalement. Elle se compare aussi très bien à la saturation prédite par le modèle détaillé de la figure 5.7. 32 λ = 1560 nm 30 28 26 Gain (dB) 24 22 20 18 16 14 12 rsvr avec gres(λ,n), 5 sections mesures 10 −50 −40 −30 −20 P opt. −10 0 (dBm) Fig. 5.16 – Saturation du gain obtenue avec le modèle du réservoir en cascade avec ASE et pertes intrinsèques Spectre de gain Comme le montre la figure 5.17, la correspondance du spectre de gain est meilleure lorsque la matrice gres (λ, n) est utilisée. Le spectre de gain est correctement positionné et le niveau d’ASE est acceptable. On constate que le nombre de sections d’amplification affecte les bord du spectre. En effet, comme le gain est faible dans ces zones, la justesse de l’estimation du niveau de saturation devient plus importante. Cette déviation aux abords du spectre ne joue cependant pas un grand rôle, puisque la majeure partie de la puissance d’ASE est concentrée autour de 1560 nm. 92 Chapitre 5. Résultats de simulation Pulse optique amplifié L’introduction d’un modèle utilisant 20 canaux d’ASE (distribués de 1530 nm à 1590 nm) et une propagation sur cinq tranches permet d’obtenir une bonne correspondance avec les données expérimentales. On constate que le signal à λ = 1560 nm représenté par des losanges sur la figure 5.18 est similaire à celui de la figure 5.12. Par contre, en lui additionnant la puissance de l’ASE provenant des 20 canaux, on obtient un pulse dont la forme correspond à celle du pulse expérimental. D’une part, la simulation décrit à la fois des niveaux moyens (0 et 1 logiques) représentatifs des courbes statiques du gain (saturation et spectre). D’autre part, elle permet également de décrire le surdépassement d’une manière qui se compare avantageusement à celle du modèle détaillé. 5.2.5 Modèle du réservoir en cascade avec canal équivalent Dans le but d’accélérer la résolution de l’ODE du réservoir, il est possible de remplacer les 20 longueurs d’onde d’ASE par un seul canal équivalent doté d’une puissance à l’entrée fixe. La table 5.4 présente les paramètres utilisés lors de la simulation. Les constantes PASE , aASE et n0,ASE sont optimisées numériquement tandis que le nombre de sections et la constante de temps sont fixés pour permettre la juste comparaison avec les autres modèles. Tab. 5.4 – Paramètres de simulation pour le modèle du réservoir en cascade avec canal équivalent Paramètre Valeur sections τeq PASE aASE n0,ASE cout αs L ηsp 5 320 ps -5.54 dBm 5.937 · 10−20 m2 1.341 · 1024 m−3 0.201 - 93 Chapitre 5. Résultats de simulation 30 25 Gain (dB) 20 15 10 rsvr avec gres(λ,n), 1 section 5 rsvr avec gres(λ,n), 5 sections mesures 0 1530 1540 1550 1560 1570 1580 1590 longueur d’onde (nm) Fig. 5.17 – Spectre de gain obtenu avec le modèle du réservoir en cascade avec ASE et pertes intrinsèques 9 signal signal + ASE ASE expérimental 8 7 Popt (mW) 6 5 4 3 2 1 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 temps (ns) Fig. 5.18 – Pulse amplifié obtenu avec le modèle du réservoir en cascade avec ASE et pertes intrinsèques 94 Chapitre 5. Résultats de simulation Saturation du gain On présente à la figure 5.19 la courbe de saturation du gain obtenue avec ce modèle. Le choix de la longueur d’onde du canal équivalent, fixée à 1560 nm, n’influence pas la courbe de saturation du gain. En effet, changer la longueur d’onde change le flux de photons à travers la relation PASE = hc Nk /λASE . Cependant, comme la puissance PASE est ajustée arbitrairement, une variation du choix de λASE est compensée par l’algorithme d’optimisation. 32 λ = 1560 nm 30 28 26 Gain (dB) 24 22 20 18 16 14 12 10 −50 mesures rsvr avec canal équivalent d’ASE, 5 sections −40 −30 −20 P opt. −10 0 (dBm) Fig. 5.19 – Saturation du gain obtenue avec le modèle du réservoir en cascade avec canal équivalent Il apparaı̂t clair que la courbe de saturation ne permet par d’obtenir une très bonne correspondance avec les données expérimentales pour toutes les puissances. Il faut donc fixer une région de travail et ajuter les propriétés du canal équivalent en conséquence. Dans le cas présent, l’optimisation a été faite pour la plage -15 à -25 dBm. Spectre de gain Lors du développement de l’algorithme utilisant un canal équivalent présenté à la section 3.4.5, l’accent a été mis sur la rapidité de simulation. Les valeurs de a(λ) et 95 Chapitre 5. Résultats de simulation de n0 (λ) qui n’étaient pas nécessaires n’ont pas été inclues dans le modèle. Pour cette raison, le spectre de gain a été volontairement omis. Pulse optique amplifié La puissance du canal équivalent est fixée par l’algorithme d’optimisation présenté à la section 3.4.5. À l’entrée elle est d’environ -6 dBm et la longueur d’onde λASE est fixée arbitrairement à 1560 nm. L’algorithme numérique converge vers un ensemble de valeurs qui donnent un résultat physiquement acceptable. 9 signal signal + canal eq. canal equivalent expérimental 8 7 Popt (mW) 6 5 4 3 2 1 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 temps (ns) Fig. 5.20 – Pulse amplifié obtenu avec le modèle du réservoir en cascade avec canal équivalent Il est rassurant de noter que la puissance du canal équivalent amplifié de la figure 5.20 a la même forme et les mêmes valeurs que la somme des 20 canaux d’ASE de la figure 5.18. A priori, l’utilisation d’un canal équivalent (semblable à un laser) peut paraı̂tre étrange, car l’ASE est par nature très bruyante. Par contre, comme on considère une très grande largeur spectrale, la variance de l’intensité de l’ASE est somme toute faible. Avec une bande optique de près de 60 nm, le facteur M est très élevé et cette modélisation semble adéquate. Chapitre 5. Résultats de simulation 5.2.6 96 Pulses optiques amplifiés sur quatre canaux WDM Des simulations supplémentaires ont été réalisées pour vérifier la validité du modèle pour le cas de quatre canaux multiplexés en longueur d’onde (WDM). La vérification est cependant sommaire : les canaux sont modulés simultanément et seule la séquence logique 010 a été étudiée. Aucune mesure expérimentale n’a été faite et ce sont les résultats de simulation du modèle détaillé (courbes noires) qui servent de référence au modèle du réservoir (courbes bleues). L’algorithme du réservoir avec pertes intrinsèques a été utilisé pour les simulations. Le modèle du réservoir utilisé comprend 20 canaux d’ASE distribués de 1530 nm à 1590 nm et les longueurs d’onde des canaux WDM sont 1550, 1553, 1556 et 1559 nm. Les valeurs des paramètres de simulation utilisés sont présentées à la table 5.5. La puissance moyenne est toujours de -18 dBm, mais elle est répartie également sur les quatre canaux. Pour étudier l’effet du choix de la matrice de gain, on présente deux ensembles de courbes aux figures 5.21 et 5.22. Il s’agit de deux paramétrisations différentes. Les résultats pour les paramètres correspondants au SOA Optospeed sont présentés à la figure 5.21 tandis que ceux correspondants aux paramètres de l’article de Connelly [26] sont présentés à la figure 5.22. Le résultat est significatif, puisqu’il indique que l’utilisation de la matrice gres (λ, n) ≡ gmat (λ, n) − α(n)/Γ n’est pas limitée au cas du SOA étudié. La correspondance entre les modèles du réservoir et détaillé est très bonne pour les deux ensembles de paramètres, tant au niveau des plateaux que des surdépassements (overshoots). La méthode semble assez robuste pour décrire des amplificateurs ayant des dimensions et des propriétés physiques différentes. 5.3 Comparaison des modèles de simulation À partir des résultats présentés pour chacun des modèles aux sections 5.2.1 à 5.2.5, il est possible de constater que certains modèles sont plus réalistes que d’autres. On élimine d’emblée le modèle sans ASE, car il ne modélise pas correctement le rapport d’extinction en régime dynamique. L’ASE ne doit donc pas être négligée. Dans le cas du modèle avec pertes de couplage, la dépendance du gain en longueur 97 Chapitre 5. Résultats de simulation 1.4 λ = 1559 nm Popt (mW) 1.2 1 λ = 1556 nm 0.8 λ = 1553 nm 0.6 λ = 1550 nm 0.4 0.2 Paramètre de l’Optospeed 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 temps (ns) Fig. 5.21 – Pulses optiques sur quatre canaux WDM obtenus avec le modèle du réservoir avec pertes intrinsèques (paramètres de l’Optospeed) 1.4 λ = 1559 nm 1.2 Popt (mW) 1 λ = 1556 nm 0.8 λ = 1553 nm 0.6 0.4 λ = 1550 nm 0.2 Paramètre de Connelly 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 temps (ns) Fig. 5.22 – Pulses optiques sur quatre canaux WDM obtenus avec le modèle du réservoir avec pertes intrinsèques (paramètres de Connelly) 98 Chapitre 5. Résultats de simulation Tab. 5.5 – Paramètres de simulation pour le modèle les deux paramétrisations du modèle du réservoir avec quatre canaux WDM Paramètre Paramétrisation de Paramétrisation de l’Optospeed Connelly section τeq a n0 cout αs L ηsp 1 320 ps 1.020× 0.964× 0.180 1.000× 1 320 ps 1.010× 0.963× 0.188 1.010× d’onde est incorrecte. Le gain d’un signal à une longueur d’onde autre que 1560 nm n’est pas décrit adéquatement. De plus, le spectre de gain influence la puissance d’ASE émise, ce qui rend difficile (voir même impossible) de modéliser correctement l’amplification des signaux optiques modulés. Tab. 5.6 – Temps de calcul des modèles Nombre de points Modèle détaillé (s) 1350 (rapidité relative) 50 000 (rapidité relative) 11.95 (1.00×) 432.54 (1.00×) Modèle du réservoir Modèle du réservoir avec pertes intrinsèques avec canal équivalent (s) (s) 4.26 (2.81×) 196.51 (2.20×) 2.75 (4.35×) 94.89 (4.56×) Pour différencier les trois modèles restant, il faut introduire un critère de plus. On choisit le temps de calcul, puisqu’il s’agit d’une donnée imporante pour les simulations Monte-Carlo. Pour un nombre fixe d’échantillons temporels, on compare le temps de calcul requis par chacun des modèles. Les résultats sont présentés à la table 5.6. On constate que les temps de calcul augmentent linéairement avec le nombre de points pour tous les modèles. De plus, les deux variantes du modèle du réservoir montrent une amélioration au niveau du temps de calcul qui varie entre 2.20× et 4.55× par rapport au modèle détaillé. Cependant, pour accélérer encore davantage le calcul, il est possible de réduire le nombre de sections utilisées dans le modèle du réservoir avec canal d’ASE équivalent. En utilisant une seule section, les résultats sont relativement similaires. Par contre, le temps de calcul chute à 19 secondes pour 50 000 points, ce qui Chapitre 5. Résultats de simulation 99 est 22.7× plus rapide que le modèle détaillé. Ces modèles simples ouvrent la voie à des simulations Monte-Carlo impossibles à réaliser avec le modèle détaillé. 5.4 Résumé du chapitre Au chapitre 5, des résultats de simulations sur la distribution d’intensité des sources incohérentes seules (sans SOA) ont été présentés. Par la suite, une technique permettant d’estimer le facteur M d’une source optique à partir de mesures expérimentales est utilisée pour prédire le taux d’erreur d’une source d’ASE modulée (dans un système SSWDM par exemple). Par la suite, les résultats de simulation pour cinq modèles de SOA sont présentés. On constate qu’un modèle complet, en l’occurence celui proposé par Connelly [26], donne d’excellent résultats. Cependant, il est difficile de déterminer la valeurs des nombreux paramètres que le modèle considère. Les quatre versions du modèle du réservoir sont ensuite comparées aux résultats expérimentaux. Pour un modèle à un seul étage (une seule section) sans ASE, le gain à faible signal est surestimé. L’ASE est ensuite considérée dans les modèles suivants sous différentes formes. Tout d’abord, le modèle avec ASE et pertes de couplage donne de bons résultats pour la saturation du gain, mais il donne un spectre de gain décalé en longueur d’onde. Un nouveau modèle est alors introduit, soit le modèle du réservoir avec ASE et pertes intrinsèques. Les résultats sont aussi bons que ceux du modèle complet, mais sa paramétrisation est plus facile. Pour simplifier encore davantage la paramétrisation et accélérer les calculs, le modèle du réservoir avec canal d’ASE équivalentest introduit. Il s’agit d’une manière différente de traiter l’ASE, en la considérant comme un canal distinct ce qui prend en compte l’effet de saturation dû à l’ASE. Ce dernier modèle donne également de bons résultats. Le modèle du réservoir est ensuite comparer à celui de Connelly pour un système WDM et les résultats sont très similaires. Pour raffiner encore davantage la comparaison, on utilise un critère supplémentaire : le temps de calcul. Les différentes versions du réservoir sont beaucoup plus rapides, spécialement le modèle du réservoir avec canal d’ASE équivalent. Ce modèle peut être rendu plus de 20 fois plus rapide que le modèle détaillé. Chapitre 6 Conclusion Les résultats présentés dans ce travail ont deux principaux objectifs. Le premier objectif est la vérification de la modélisation des sources optiques incohérentes. Le second objectif est d’étudier la performance de certains algorithmes rapides servant à la modélisation dans le régime dynamique des amplificateurs optiques à semi-conducteur. Dans les deux cas, on vérifie la modélisation en comparant les résultats numériques avec les résultats expérimentaux. Dans un premier temps, il a été démontré qu’il était possible de prédire la distribution d’intensité des sources optiques incohérentes temporellement avec un modèle théorique, non seulement pour les signaux CW mais aussi pour les signaux modulés OOK. Ces résultats ont été utilisés pour développer un modèle semi-analytique permettant de prédire le BER des sources incohérentes, estimant ainsi les performances d’un système SSWDM. Les résultats de simulation concordent avec les données expérimentales. Pour faire la modélisation des sources incohérentes, deux approches ont été étudiées. La première utilise une description dans le domaine fréquentielle. Il a été démontré qu’il s’agit d’un cas particulier d’un modèle proposé dans la littérature [11]. Une étude approfondie de la modélisation de ces sources est requise, surtout au niveau de l’influence de la distribution de la phase et de l’amplitude des champs électriques. Une seconde méthode basée sur une décomposition de Karhunen-Loève a également été présentée. La description temporelle pourrait s’avérer rapide pour les simulations utilisant un grand nombre de réalisations du même processus stochastique. Le second objectif principal de ce mémoire est de transposer la méthode du réservoir développée pour les EDFA [14] vers les SOA [36]. La correspondance entre les résultats numériques et expérimentaux a été vérifiée pour les trois critères servant à valider les Chapitre 6. Conclusion 101 algorithmes : la saturation du gain, le spectre de gain et la forme d’un pulse optique amplifié. Comme le modèle du réservoir ne contient pas de description du gain matériel des semi-conducteurs, on utilise la description du gain matériel proposée par Yariv [?, Yariv] Deux méthodes sont été étudiées pour déterminer la manière dont on linéarise ce gain matériel, en conformité avec les hypothèses du modèle du réservoir. La première méthode utilise une linéarisation du gain matériel tel que décrit par Yariv. Cette paramétrisation est implantée dans un algorithme avec pertes de couplage et donne un spectre décalé en longueur d’onde. Cette méthode ne permet pas non plus une modélisation adéquate de la saturation du SOA introduite par l’ASE. La deuxième méthode, originale à ce travail et propre au modèle du réservoir, soustrait les pertes de diffusion du gain matériel, ce qui donne un spectre de gain correct. Cependant, le modèle avec pertes de couplage ne doit pas être éliminé d’emblée. Il pourrait être utile lors de l’étude de l’influence de la modulation de gain croisée. Il a été suggéré dans la littérature que les pertes de couplage sont nécessaires à une bonne description de ce mécanisme [43]. À travers l’étude des différentes variantes du modèle du réservoir, il a aussi été démontré que l’ASE est indispensable non seulement à la modélisation du régime statique, mais aussi à la modélisation de la dynamique temporelle du SOA. Une description nouvelle de l’ASE a été proposée [36], posant l’hypothèse de la linéarité du coefficient de gain matériel et du coefficient de gain pur. En utilisant cette description, il a été démontré que le modèle du réservoir avec ASE sur 20 canaux permet de décrire le comportement du SOA selon les critères fixés préalablement. De plus, ce modèle se compare avantageusement au modèle détaillé au niveau du temps de calcul. Pour augmenter encore davantage la rapidité des simulations, la description de l’ASE a été modifiée. Un canal équivalent doté d’une puissance d’entrée fixe remplace l’ASE sur 20 canaux. Il a été démontré que cette description est adéquate pour les trois cas de figure utilisés, mais que sa description des phénomènes dans le domaine spectral est assez limitée. Évidemment, tous ces modèles ne considèrent que l’intensité du signal optique. Du travail reste à faire pour vérifier l’effet de la phase dans la modélisation des SOA. L’analyse des modèles de sources incohérentes suggère que la description de la phase est une propriété cruciale. Si l’on cherche à prédire les propriétés des sources thermiques amplifiées par les SOA, il faut s’assurer que la phase du signal ne joue effectivement aucun rôle majeur. Sinon, un nouveau modèle introduisant la phase devra être mis en Chapitre 6. Conclusion 102 place pour bien modéliser le phénomène physique. L’étude du chirp à la sortie du SOA pourrait permettre l’estimation de certains paramètres propres à la propagation des champs électriques [18, 31]. Le modèle du réservoir ouvre également la voie à une approche analytique. En réduisant les PDE couplées des SOA à une seule ODE, le modèle du réservoir rend possible l’utilisation de méthodes mathématiques. Il serait intéressant de tenter la résolution de l’équation différentielle selon une approche stochastique, même si des approximations supplémentaires sont requises. Déterminer analytiquement la distribution d’intensité du signal incohérent amplifié serait utile pour la prédiction de l’amélioration du BER. Bibliographie [1] P. C. Becker, N. A. Olsson et J. R. Simpson, Digital Communications : Fundamentals and Applications, Academic Press, deuxième édition, 1997. [2] A. Leon-Garcia et I. Widjaja, Communication Networks : Fundamental Concepts and Key Architectures, McGraw-Hill, deuxième édition, 2004. [3] B. Sklar, Digital Communications : Fundamentals and Applications, Prentice-Hall, deuxième édition, 2001. [4] M. Menif, W. Mathlouthi, P. Lemieux, L. A. Rusch et M. Roy, “Error-free transmission for incoherent broadband optical communications systems using incoherentto-coherent wavelength conversion”, IEEE J. Lightwave Technol., vol. 23, pp. 287–294, 2005. [5] A. D. McCoy, B. C. Thomsen, M. Ibsen et D. J. Richardson, “Filtering effects in a spectrum-sliced wdm system using soa-based noise reduction”, IEEE Photon. Technol. Lett., vol. 16, pp. 680–682, 2005. [6] A. D. McCoy, P. Horak, B. C. Thomsen, M. Ibsen et D. J. Richardson, “Intensity noise reduction of incoherent light using semiconductor optical amplifiers”, Conference Records of the 38th ASILOMAR Conference on Signals, Systems and Computers, vol. 1, pp. 88–92, 2004. [7] F. Koyama et H. Uenohara, “Noise suppression and optical ase modulation in saturated semiconductor optical amplifiers”, Conference Records of the 38th ASILOMAR Conference on Signals, Systems and Computers, vol. 1, pp. 98–102, 2004. [8] Y. Liu, E. Tangdiongga, Z. Li, H. de Waardt, M. J. Koonen, G. D. Khoe, H. J. S. Dorren, X. Shu et I. Bennion, “Error-free 320 gb/s soa-based wavelength conversion using optical filtering”, Optical Fiber Communication Conference, vol. PDP28, 2006. [9] I. Glover et P. Grant, Digital communications, Prentice Hall, 1997. [10] H. V. Poor, An Introduction to Signal Estimation and Detection, deuxième édition, 1998. Springer, [11] J. W. Goodman, Statistical Optics, John Wiley & Sons, deuxième édition, 2000. Bibliographie 104 [12] H. L. Van Trees, Detection, Estimation, and Modulation Theory, Part 1, Wiley InterScience, 2002. [13] A. Papoulis et S. U. Pillai, Probability, Random Variables and Stochastic processes, McGraw-Hill, quatrième édition, 2002. [14] A. Bononi et L. A. Rusch, “Doped-fiber amplifier dynamics : A system perspective”, IEEE J. Lightwave Technol., vol. 16, pp. 945–956, 1998. [15] G.-H. Duan et E. Georgiev, “Non-white photodetection noise at the output of an optical amplifier : Theory and experiment”, IEEE J. Quantum Electron., vol. 37, pp. 1008–1014, 2001. [16] W. Mathlouthi, Document prédoctoral, Université Laval, 2003. [17] G. Vannucci et M. C. Teich, “Computer simulation of superposed coherent and chaotic radiation”, Applied Optics, vol. 9, pp. 548–553, 1980. [18] T. Durhuus, B. Mikkelsen, C. Joergensen, S. L. Danielsen et K. E. Stubkjaer, “All-optical wavelength conversion by semiconductor optical amplifiers”, IEEE J. Lightwave Technol., vol. 14, pp. 942–954, 1996. [19] M. Zhao, G. Morthier et R. Baets, “Analysis and optimization of intensity noise reduction in spectrum-sliced wdm systems using a saturated optical amplifier”, IEEE Photon. Technol. Lett., vol. 14, pp. 390–392, 2002. [20] A. D. McCoy, P. Horak, B. C. Thomsen, M. Ibsen et D. J. Richardson, “Noise suppression of incoherent light using a gain-saturated soa : Implications for spectrumsliced wdm systems”, IEEE J. Lightwave Technol., vol. 23, pp. 2399–2409, 2005. [21] K. Inoue, “Conversion based on cross-gain saturation in a semiconductor optical amplifiers”, IEEE Photon. Technol. Lett., vol. 8, pp. 886–888, 1996. [22] B. E. A. Saleh et M. C. Teich, Fundamentals of Photonics, John Wiley & Sons, 1991. [23] C. Kittel, Introduction to Solid State Physics, John Wiley & Sons, septième édition, 1996. [24] J. R. Hook et H. E. Hall, Solid State Physics, John Wiley & Sons, deuxième édition, 1991. [25] S. Adachi, Optical Properties of crystalline and amorphous semiconductors : Materials and Fundamental Principles, Kluwer Academic Publishers, 1999. [26] M. J. Connelly, “Wideband semiconductor optical amplifier steady-state numerical model”, IEEE J. Quantum Electron., vol. 37, pp. 439–447, 2001. [27] A. E. Siegman, Lasers, University Science Books, 1986. [28] N. A. Olsson, “Lightwave systems with optical amplifiers”, IEEE J. Lightwave Technol., vol. 7, pp. 1071–1082, 1989. [29] A. Yariv, Optical Electronics, Holt, Rinehart & Winston, troisième édition, 1985. Bibliographie 105 [30] N. G. Nilsson, “Empirical approximations for the fermi energy of a semiconductor with parabolic bands”, Appl. Phys. Lett., vol. 33, pp. 653–654, 1978. [31] T. Durhuus, B. Mikkelsen, et K. E. Stubkjaer, “Detailed dynamic model for semiconductor optical amplifiers and their crosstalk and intermodulation distortion”, IEEE J. Lightwave Technol., vol. 10, pp. 1056–1065, 1992. [32] A. A. M. Saleh, R. M. Jopson, J. D. Evankow et J. Aspell, “Modeling of gain in erbium-doped fiber amplifier”, IEEE Photon. Technol. Lett., vol. 2, pp. 714–717, 1990. [33] J. A. Buck, Fundamentals of Optical Fibers, John Wiley & Sons, 1995. [34] M. J. Connelly, Semiconductor Optical Amplifiers, Springer, 2002. [35] K. Obermann, S. Kindt, Dirk Breuer et K. Petermann, “Performance analysis of wavelength converters based on cross-gain modulation in semiconductor-optical amplifiers”, IEEE J. Lightwave Technol., vol. 16, pp. 78–85, 1998. [36] W. Mathlouthi, P. Lemieux, M. Salsi, A. Vannucci, A. Bononi et L. A. Rusch, “Fast and efficient dynamic wdm semiconductor optical amplifier model”, Soumis pour publication, 2005. [37] G. P. Agrawal, et N. A. Olsson, “Self-phase modulation and spectral broadening of optical pulses in semiconductor laser amplifiers”, IEEE J. Quantum Electron., vol. 25, pp. 2297–2305, 1989. [38] J. Genest, M. Chamberland, P. Tremblay et M. Têtu, “Microwave signals generated by optical heterodyne between injection-locked semiconductor lasers”, IEEE J. Quantum Electron., vol. 33, pp. 989–998, 1997. [39] E. Kreyszig, Advanced Engineering Mathematics, John Wiley & Sons, huitième édition, 1999. [40] A. Bononi et L. A. Rusch, “Gain dynamics of doped-fiber amplifiers for added and dropped signals”, IEEE International Conference on Communications, vol. 1, pp. 553–554, 1998. [41] Y. Sun, J. L. Zyskind, et A. K. Srivastava, “Average inversion level, modeling, and physics of erbium-doped fiber amplifiers”, IEEE J. Quantum Electron., vol. 3, pp. 991–1007, 1997. [42] C. R. Giles et E. Desurvire, “Modeling erbium-doped fiber amplifiers”, IEEE J. Lightwave Technol., vol. 9, pp. 271–283, 1991. [43] J. Mørk, A. Mecozzi et G. Eisentstein, “The modulation response of a semiconductor laser amplifier”, IEEE J. Select. Topics Quantum Electron., vol. 7, pp. 1071–1082, 1989. [44] D. Derickson et al., Fiber Optic Test and Measurement, Prentice Hall, deuxième édition, 1998. Bibliographie 106 [45] T. Watanabe, N. Sakaida, F. Kano, et M. Koga, “Transmission performance of chirp-controlled signal by using semiconductor optical amplifier”, IEEE J. Lightwave Technol., vol. 18, pp. 1069–1077, 2000. [46] L. W. Couch, II, Digital and Analog Communication Systems, Prentice-Hall, sixième édition, 2001. [47] A. Bogoni, L. Potı̀ et A. Bizzi, “Effective model for the design of ultrafast alloptical signal processors based on semiconductor optical amplifiers”, IEEE Photon. Technol. Lett., vol. 15, pp. 1576–1578, 2003. [48] C. Lawetz et J. C. Cartledge, “Performance of optically preamplified receivers with fabry-perot optical filters”, IEEE J. Lightwave Technol., vol. 14, pp. 2467–2474, 1996. [49] D. Slepian et H. O. Pollak, “Prolate spheroidal wave functions, fourier analysis and uncertainty – i”, Bell System Technical Journal, vol. 40, pp. 43–63, 1961. [50] H. J. Landau et H. O. Pollak, “Prolate spheroidal wave functions, fourier analysis and uncertainty – ii”, Bell System Technical Journal, vol. 40, pp. 65–84, 1961. [51] H. J. Landau et H. O. Pollak, “Prolate spheroidal wave functions, fourier analysis and uncertainty – iii : The dimension of the space of essentially time- and bandlimited signals”, Bell System Technical Journal, vol. 41, pp. 1295–1336, 1962. Annexe A Modélisation des sources avec la décomposition de Karhunen-Loève A.1 Fondements théoriques Une méthode alternative pour générer une réalisation du processus d’intensité I(t) consiste à décomposer le champ électrique E(t) sur une base de Nb fonctions temporelles orthogonales. Travailler avec le champ électrique est plus pratique, et il est facile de retrouver l’intensité optique I(t) en prenant le module carré du champ électrique E(t). L’aspect aléatoire du processus est contenu dans le poids que l’on accorde à chaque fonction de la base, car il est multiplié par une variable aléatoire gaussienne [12, 48]. L’utilisation d’une expansion de Karhunen-Loève est justifiée pour la modélisation d’un processus aléatoire circulaire gaussien [11]. Un tel processus aléatoire a pour propriété d’être distribué selon une symmétrie circulaire, c’est-à-dire que le contour de probabilité constante ne dépend que du module de la somme des variables au carré. Par exemple, en deux dimensions la relation s’exprime comme [13] f (x, y) = g(r) (A.1) p x2 + y 2 . Sachant que les variables où x et y sont des variables aléatoires et r = aléatoires sont indépendantes, un tel processus est nécessairement conjointement gaussien de moyenne nulle [13]. Le champ électrique d’une source optique thermique est circulaire gaussien [11]. Dans ce cas, nous somme assurés de l’existence d’une base or- Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève 108 thogonale et le processus E(t) peut être décomposé sur une base qui respecte les deux propriétés suivantes : 1. La base doit être construite de manière à respecter la fonction d’autocorrélation du processus aléatoire [11, 12]. 2. Les poids des fonctions de la base doivent être aléatoires et indépendants. Il est inutile de devoir générer des coefficients corrélés. On nomme {ξ1 (t), ξ2 (t), . . . , ξn (t), . . . } la base des fonctions orthogonales qui décrivent le processus, tel que E(t) = lim Nb →∞ Nb X bn ξn (t) (A.2) n=1 pour un temps t compris dans l’intervalle [−To /2, To /2] où To est la période sur laquelle on observe le processus. En pratique, on utilise une base de dimension finie respectant le critère de l’équation A.17. Pour une base orthogonale, nous avons Z To /2 −To /2 ξm (t)ξn⋆ (t) dt = δmn (A.3) où δmn est le delta de Kroenecker défini par l’expression suivante. δmn = ( 1 0 si m = n si m 6= n (A.4) Le poids bn associé à la fonction de la base ξn est obtenu en faisant la projection du processus E(t) sur la fonction ξn⋆ , c’est-à-dire bn = Z To /2 −To /2 E(t)ξn⋆ (t) dt . (A.5) Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève 109 L’espérance de chaque coefficient s’exprime alors comme la partie de l’espérance du champ électrique E(t) attribuée à chacune des fonctions ξn (t) : E [bn ] = Z To /2 −To /2 E [E(t)] ξn⋆ (t) dt = 0 (A.6) L’espérance de chaque bn est nulle étant donnée l’espérance nulle du processus stochastique lui-même. Il ne s’agit pas d’une condition très restreignante, puisqu’on modélise le champ électrique d’une onde optique. Donc, par définition E [bn b⋆m ] = = Z To /2 Z To /2 E [E ⋆ (t1 )E(t2 )] ξn⋆ (t2 )ξm (t1 ) dt1 dt2 −To /2 −To /2 # "Z Z To /2 −To /2 To /2 −To /2 ΓE (t1 , t2 )ξm (t1 ) dt1 ξn⋆ (t2 ) dt2 (A.7) (A.8) où ΓE (t1 , t2 ) = E [E ⋆ (t1 )E(t2 )] est l’autocorrélation du champ. Lorsque la décomposition existe, les valeurs propres ψm sont données par la relation suivante Z To /2 ΓE (t1 , t2 )ξm (t1 ) dt1 = ψm ξm (t2 ) . (A.9) −To /2 Alors, l’espérance des bn prend la forme E [bn b⋆m ] = ψm δmn . (A.10) et il est possible de vérifier la solution en insérant l’équation A.9 dans l’équation A.8. A.2 Application au spectre lorentzien En pratique, pour pouvoir utiliser une expansion de Karhunen-Loève, il faut être capable de décrire les fonctions de base et d’obtenir les valeurs propres. Une forme de Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève 110 spectre très utile et simple à représenter est le spectre lorentzien, qui apparaı̂t dans les systèmes utilisant une cavité Fabry-Pérot [48] comme filtre optique. Ce spectre est décrit par la relation suivante [12, 22, 27] E(ω) = 2κP . ω 2 + κ2 (A.11) où κ et P sont des paramètres de largeur et d’amplitude respectivement. Pour un processus aléatoire stationnaire de spectre lorentzien, la fonction d’autocorrélation prend la forme suivante [12, 13] ΓE (τ ) = P exp (−κ |τ |) . (A.12) En observant la forme de l’équation différentielle qui est le résultat de la dérivée seconde de l’équation intégrale du kernel A.9, les ξn (t) doivent être de forme harmonique [12] tel que ξ(t) = c1 ejbt + c2 e−jbt . (A.13) Il est possible de montrer que les poids bn des fonctions ξn (t) sont déterminés à partir de l’équation transcendentale suivante [12] b tan bTo + κ κ tan bTo − =0 b (A.14) ce qui impose en définitive la forme suivante aux produits des fonctions par les poids. bn · ξn (t) = 1 1/2 To 1/2 cos(bn t) si n impairs 1/2 sin(bn t) si n pairs (1+ sin2b2bTn To ) n o 1 1/2 To (1− sin2b2bn TnoTo ) (A.15) Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève 111 Jusqu’ici, tout le traitement est déterministe. Pour donner un caractère aléatoire à la réalisation de E(t), on multiplie chaque coefficient bn par une réalisation ϑ d’une variable aléatoire gaussienne centrée réduite [48]. Les projections de E(t) sur les fonctions ξn (t) sont données par ϑn bn ξn (t) et la solution globale est donc E(t) = lim N →∞ N X ϑk bk ξk (t) . (A.16) k=1 Il est important de mentionner que le nombre de fonctions propres formant la base varie selon la période d’observation du signal To et selon sa largeur spectrale Bo . Le nombre de fonctions de base Nb requis est donné par la relation [12] Nb ≥ 2Bo To + 1 (A.17) dans certains cas particuliers. On considère toutefois cette relation comme un estimé fiable du nombre de fonctions requises. Le cas du filtrage optique rectangulaire, équivalent à la modélisation en fréquences de la section 2.4, n’est pas présenté. Il nécessite une base difficile à manipuler : les fonctions prolates sphéroı̈dales. Une introduction à cette famille de fonctions est présentée par Van Trees [12] et Goodman [11], qui se basent tous deux sur une série d’articles de Slepian, Landau et Pollak [49, 50, 51]. A.3 Résultats de simulation Cette section présente la méthode utilisée pour générer plusieurs réalisations du processus I(t) ainsi que quelques résultats de simulation. La procédure pour obtenir une réalisation du processus se divise en cinq étapes : 1. Déterminer la dimension Nb de la base de fonctions nécessaire pour décrire adéquatement le processus stochastique à l’aide de l’équation A.17. 2. Calculer les valeurs propres associées à la forme du spectre du processus. 3. Sauvegarder les valeurs propres dans un fichier. 4. Multiplier chacune des projections du processus par une réalisation d’une variable aléatoire gaussienne centrée réduite. Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève 112 5. Prendre le module carré de la somme des champs électriques pour obtenir l’intensité optique. Pour obtenir une réalisation différente, il est nécessaire de répéter les étapes 4 et 5 seulement, ce qui est très rapide. La partie la plus longue, l’étape 2, est la résolution numérique de l’équation transcendantale A.14 servant à obtenir les valeurs propres. Cette approche peut s’avérer plus rapide que de prendre à répétition la transformée de Fourier de longs vecteurs (section 2.4), mais les formes de filtrage possibles sont plus limitées. En effet, déterminer les fonctions de base et les valeurs propres ne sont pas des opérations triviales. PSD de la source La figure A.1 montre la PSD de l’intensité optique obtenue avec cette méthode pour une base de 1000 fonctions et une bande Bo de 10 GHz. La durée de l’intervalle d’observation To est de 40 ns. Dans ce cas, l’équation A.17 nous indique que la dimension de la base est adéquate, comme le montre le calcul suivant. PSD Moyenne locale 0 PSD (dB/nm) −20 −40 −60 −80 −100 −120 −5 0 Fréquence (Hz) 5 10 x 10 Fig. A.1 – PSD de la source incohérente modélisée à l’aide d’une décomposition de Karhunen-Loève 113 Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève Nb ≥ 2Bo To + 1 ≥ 2 (1 · 1010 ) (4 · 10−8 ) + 1 ≥ 801 On observe sur la figure A.1 que le spectre lorentzien n’est pas strictement limité, et que sa largeur dépasse la dimension initiale de 10 GHz. Une discussion sur la dimension de la base Nb nécessaire à la modélisation dans le cas des systèmes en bande passante strictement limitée (ou non) est proposée par Landau et Pollak [51]. Distribution de l’intensité intégrée La distribution d’intensité est aussi en accord avec la théorie de la source incohérente sans filtrage (temps d’intégration nul). La figure A.2 compare la distribution théorique (exponentielle négative) avec l’histogramme obtenu numériquement. La correspondance est excellente, ce qui signifie qu’on respecte la distribution de l’intensité. 1 0 10 numérique théorique 0.9 Log ( fréquence relative ) Fréquence relative 0.8 0.7 0.6 0.5 0.4 0.3 0.2 numérique théorique −1 10 −2 10 0.1 0 −3 0 1 2 3 4 5 Intensité (mW) (a) Échelle linéaire 6 7 10 0 1 2 3 4 5 6 7 Intensité (mW) (b) Échelle logarithmique Fig. A.2 – Histogramme normalisé de l’intensité optique de la source incohérente modélisée à l’aide d’une décomposition de Karhunen-Loève La distribution d’intensité du signal obtenue avec cette méthode respecte la distribution théorique, mais les propriétés spectrales de ce modèle restent toujours à valider. Pour le moment, le spectre obtenu avec cette méthode n’est pas strictement limité ce qui rend délicate la comparaison avec la modélisation en fréquence présenté au chapitre 2. Il existe cependant une base de fonctions qui permet la description d’un spectre Annexe A. Modélisation des sources avec la décomposition de Karhunen-Loève 114 strictement limité : les fonctions prolates sphéroı̈dales. Il serait intéressant d’exploiter la décomposition de Karhunen-Loève sur cette base pour obtenir une comparaison formelle entre les approches temporelle et fréquentielle. Annexe B Paramétrisation du modèle détaillé Symbole L d w Kg R1 R2 K0 K1 Arad Brad Anrad Bnrad Caug Eg0 Paramètres Valeur Optospeed Longueur de la région active (µm) 1300 Largeur de la région active (µm) 0.7 Épaisseur de la région active (µm) 0.7 Rétrécissement du gap (eVm) 0.1 · 10−10 Réflectivité de la facette d’entrée 0.9 · 10−6 Réflectivité de la facette de sortie 0.5 · 10−6 Pertes de diffusion indépendantes (m−1 ) 6000 −24 2 Pente des pertes de diffusion (10 m ) 6000 Recombinaison linéaire 3.5 · 108 radiative (s−1 ) Recombinaison bimoléculaire 4.0 · 10−16 radiative (m3 s−1 ) Recombinaison linéaire 7.5 · 108 non-radiative (s−1 ) Recombinaison bimoléculaire 7.5 · 10−16 non-radiative (m3 s−1 ) Recombinaison Auger (m6 s−1 ) 0.2 · 10−42 1.237 · 10−19 Énergie de gap (Joules) Tab. B.1 – Paramétrisations du modèle détaillé Valeur de Connelly 600 0.4 0.4 0.9 · 10−10 5 · 10−5 5 · 10−5 6200 7500 1.0 · 107 5.6 · 10−16 3.5 · 108 0 3 · 10−41 1.245 · 10−19 Annexe C Liste des publications de l’auteur 1. P. Lemieux, W. Mathlouthi, M. Salsi, L. A. Rusch, A. Bononi et A. Vannucci, « New Gain Parameterization for Fast Semiconductor Optical Amplifier Model », SPIE Photonics North, Québec, en attente de publication, 2006. 2. M. Salsi, A. Vannucci, A. Bononi, W. Mathlouthi, P. Lemieux et L. A. Rusch, « A Reservoir Dynamic Model for Linear Optical Amplifiers », LEOS, Montréal, soumis pour publication, 2006. 3. W. Mathlouthi, P. Lemieux, M. Salsi, L. A. Rusch, A. Bononi et A. Vannucci, « A Novel Model for SOAs in WDM Networks », LEOS, Montréal, soumis pour publication, 2006. 4. W. Mathlouthi, P. Lemieux et L. A. Rusch, « Optimal SOA-based Noise Reduction Schemes for Incoherent Spectrum-Sliced PONs », European Conference on Communications (ECOC), Cannes, en attente de publication, 2006. 5. W. Mathlouthi, P. Lemieux, M. Salsi, L. A. Rusch, A. Bononi et A. Vannucci, « Fast and Efficient Dynamic Semiconductor Optical Amplifier Model for Metro Access », IEEE Journal of Lightwave Technology, en attente de publication, 2006. 6. M. Abtahi, P. Lemieux, W. Mathlouthi et L. A. Rusch, « Suppression of Turbulence Induced Noise on Free-space Communication Systems using Saturated Optical Amplifiers », IEEE Journal of Lightwave Technology, en attente de publication, 2006. Annexe C. Liste des publications de l’auteur 117 7. P. Lemieux, W. Mathlouthi, M. Roy and L. A. Rusch, « Noise Reduction in an Incoherent-to-Coherent Wavelength Conversion using SOA », International Conference on Sciences of Electronics, Telecommunications and Information Technologies (SETIT), Tunis, 2005. 8. M. Menif, W. Mathlouthi, P. Lemieux, L. A. Rusch et M. Roy, « Error-free Transmission for Incoherent Optical Communications Systems using Incoherentto-Coherent Wavelength Conversion », IEEE Journal of Lightwave Technology, pp. 287-294, 2005. 9. L. A. Rusch, P. Lemieux et W. Mathlouthi, « Intensity Noise in Non-coherent to Coherent Wavelength Conversion in Semiconductor Optical Amplifiers », IEEE ASILOMAR Conference on Signals, Systems and Computers, Monterey, MA5b-3, 2004. 10. M. Menif, P. Lemieux, W. Mathlouthi et L. A. Rusch, « Incoherent-to-Coherent Wavelength Conversion using Semiconductor Optical Amplifiers », IEEE International Conference on Communications (ICC), Paris, vol. 27, no. 1, pp. 1740-1744, 2004.