To cite this paper use one of the standards below:
Este trabalho investiga a compensação de efeitos não lineares em sistemas de comunicações ópticas coerentes digitais utilizando aprendizado de máquina não supervisionado. A proposta combina Modelos de Mistura Gaussiana (GMM) para realizar a clusterização dos símbolos recebidos e gerar rótulos internos, que posteriormente são utilizados para treinar um perceptron multicamada (PMC) responsável pela equalização não linear. Essa abordagem permite dispensar sequências piloto, preservando a eficiência espectral do sistema. A metodologia foi avaliada por meio de simulações de um sistema WDM de alta capacidade com quatro canais de 400 Gbps em um enlace de 80 km. Os resultados mostram que a combinação GMM–PMC apresenta desempenho comparável a métodos tradicionais em potências intermediárias e ganhos relevantes em regimes de baixa e alta potência óptica, onde predominam ruído e fortes distorções não lineares.
Views per month
Galoá count, excluding known robots. Updated on 30/09/2026.
Views per month
Galoá count, excluding known robots. Updated on 30/09/2026.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper