CHƯƠNG 3. NHẬN DẠNG NHÃN BPSK, QPSK TRONG HỆ THỐNG THÔNG
3.4 Mạng nơ-ron toàn quang nhận dạng nhãn BPSK
3.4.2 Nhận dạng nhãn BPSK sử dụng cấu trúc mạng nơ-ron quang tử tích hợp
Nhận dạng BPSK dùng mạng nơ-ron quang phi tuyến lần đầu tiên đƣợc đề xuất bởi các nhà khoa học Nhật Bản [162]. Cấu trúc này có nhƣợc điểm là sử dụng các thành phần rời rạc, khuếch đại quang bán dẫn, sợi quang phi tuyến có kích thước lớn, không tích hợp được. Để có thể xây dựng được hệ thống lớn, các nhà khoa học hiện nay cố gắng để phát triển mạng nơ-ron quang trên mạch tích hợp quang. Việc nhận dạng nhãn dùng mạng nơ-ron sẽ phức tạp hơn việc nhận dạng nhãn BPSK và QPSK dùng mạch quang tích hợp sử dụng cấu trúc MMI ghép nối tiếp như ở Chương 2 của Luận án. Tuy nhiên, vấn đề thực hiện đƣợc mạng nơ-ron trong miền quang, sử dụng hiệu ứng
115
MMI với các ƣu điểm sẵn có của hiệu ứng giao thoa đa mode là một chủ đề và hướng nghiên cứu mới mà Luận án đề xuất. Do vậy, Luận án đã tập trung phát triển một cấu trúc mạng nơ-ron mới và áp dụng cấu trúc mạng nơ-ron này cho ứng dụng nhận dạng nhãn BPSK.
Ở đây, Luận án áp dụng phương pháp tương tự nhưng sử dụng cấu trúc mạng nơ-ron quang tử tích hợp được thiết kế ở phần trước. Phương pháp thực hiện của Luận án đi từ mô phỏng lớp vật lý, sau đó đƣa lên lớp hệ thống thực hiện nhƣ Hình 3.20.
Mô phỏng nút neuron trong miền quang, tạo back-box
Mô phỏng trên Python/Matlab
Nhận dạng nhãn BPSK Dữ liệu gói tin trong miền
quang
Hình 3.20 Nhận dạng nhãn quang BPSK dùng mạng nơ-ron tích hợp quang Cấu hình của mạng nơ-ron có hai đầu vào và 4 đầu ra cho nhãn BPSK hai ký tự. Do tín hiệu quang xi(k) có biên độ và pha, xi
(k) = |xi
(k)| exp(jθi(k), hệ thống có thể đƣợc biểu diễn bằng mạng nơ-ron có giá trị phức. Trạng thái nội bộ của nơ-ron uj
(k) có thể đƣợc biểu thị với các đầu vào và trọng số wji (k) =
|wji(k)| exp(jθji(k)) nhƣ sau:
∑
116 Ta sử dụng hàm kích hoạt sau tại nơ-ron
( ) * ( )+
Trọng số có thể đƣợc cung cấp bởi công thức:
| | | | | | | | | ̂ | ̂ | | | | | ̂ |
̂ | | | |
Xét tín hiệu hướng dẫn của lớp (k-1). Tín hiệu hướng dẫn được đưa vào lớp đầu ra, và nó đƣợc phân phối đến từng lớp, có nghĩa là học với tín hiệu hướng dẫn. Trạng thái nội bộ của nơ-ron cho tín hiệu hướng dẫn lan truyền vào lớp trước có thể được biểu thị bởi:
̂ ∑ ( ̂ | | * Tín hiệu hướng dẫn được sử dụng để học trong các lớp trước có thể đƣợc cung cấp bởi:
̂ (| |) * ( )+
Ta xem xét mạch mạng nơ-ron quang đóng vai trò bộ xử lý nhãn, đƣợc minh họa trong Hình 3.21. Ngoài các cổng đầu vào, một cổng bổ sung đƣợc giới thiệu để xử lý tín hiệu tham chiếu. Tín hiệu tham chiếu này cũng đƣợc nhận tại bộ định tuyến nhƣ một trong các xung của chuỗi xung nhãn và cần thiết để cung cấp tham chiếu pha cho các xung BPSK. Trong sơ đồ này, mỗi hình tròn trong các lớp ẩn và đầu ra biểu thị một nơ-ron với giá trị phức. Mỗi nơ-ron đƣợc thực hiện bằng cách sử dụng các bộ khuếch đại biên độ quang,
117
bộ dịch pha, bộ kết hợp, và một linh kiện ngƣỡng phi tuyến, nhƣ đƣợc mô tả trong Hình 3.21.
Hình 3.21 Mạng nơ-ron giá trị phức cho xử lý nhãn quang BPSK
Bộ khuếch đại biên độ và bộ dịch pha hoạt động nhƣ các kết nối trọng số trong mỗi nơ-ron. Đặc biệt, bộ dịch pha là cần thiết cho các nơ-ron có giá trị phức. Cả bộ khuếch đại biên độ và bộ dịch pha đều đƣợc điều khiển bởi tín hiệu điện để biểu diễn các tham số trọng số đã đƣợc học. Bộ khuếch đại có chức năng điều chỉnh biên độ quang, tăng hoặc giảm biên độ tùy thuộc vào giá trị của tham số trọng số. Do đó, nếu tham số trọng số nhỏ hơn một, bộ khuếch đại sẽ hoạt động nhƣ một bộ suy giảm biên độ quang.
Chúng ta xem xét nhãn BPSK, trong đó chuỗi xung theo thời gian, bao gồm một xung tham chiếu, đƣợc giả định sẽ đƣợc chuyển đổi thành các xung song song như một bước tiền xử lý. Đầu tiên, chúng ta tập trung vào việc nhận dạng nhãn hai ký tự đã đƣợc cung cấp, nhằm mục đích nhận dạng chính xác trong quá trình xử lý nhãn quang:
118
Mỗi nhãn sự cố trong bộ xử lý tạo ra một tín hiệu tại cổng đầu ra khác nhau được chỉ định bởi tín hiệu hướng dẫn tại các cổng đầu ra.
̂ Trong đó ta giả định mỗi lớp ẩn có 17 nơ-ron [162]. Ta cũng giả định rằng một đầu vào bổ sung có biên độ đơn vị đƣợc đặt tại lớp đầu vào nhƣ một tín hiệu tham chiếu, tức là x3(0)=1. Tỷ lệ phân biệt lớn hơn 18 dB để phân biệt đƣợc. Các kết quả cho thấy nhãn hai ký tự có thể đƣợc nhận dạng thành công.
Tiếp theo, ta mô phỏng nhận dạng phân loại nhãn hai ký tự vào bốn nhóm. Tín hiệu hướng dẫn được cho bởi:
̂ [ ] Sau khi học các hệ số trọng số, đạt đƣợc kết quả phân loại mong muốn với tỷ lệ phân biệt lớn hơn 18 dB, trong đó giả định sử dụng 15 nơ-ron trong mỗi lớp ẩn. Các mạng chuyển mạch nhãn quang đang thu hút sự chú ý nhƣ một giải pháp để cải thiện tốc độ xử lý và giảm tiêu thụ năng lƣợng trong các bộ định tuyến mạng. Bộ định tuyến nhãn quang thực hiện các chức năng nhƣ trích xuất nhãn từ các gói tin đến, xử lý nhãn, chuyển mạch gói tin, và viết lại nhãn.
Quá trình xử lý nhãn bao gồm nhận dạng nhãn và tạo tín hiệu điều khiển cho ma trận chuyển mạch dựa trên bảng định tuyến. Việc nhận dạng nhãn quang sử dụng công nghệ chuyển mạch toàn quang và đƣợc áp dụng trên cơ sở từng bit.
Hệ thống nhận dạng nhãn quang có tiềm năng tiêu thụ điện năng thấp, nhờ vào việc sử dụng tương quan quang giữa nhãn được mã hóa nhị pha dịch chuyển BPSK đã lưu trữ và nhãn đang nhận để xác định nhãn tự tương quan.
Đối với các ứng dụng định tuyến nhãn, cần sử dụng nhiều bộ tương quan. Tuy nhiên, các linh kiện quang tích hợp hiện tại chƣa đủ khả năng để nhận dạng toàn bộ tập mã của tất cả các mã nhị phân.
119
Một tập mã vuông góc bao gồm nhiều cấp độ PSK cũng đƣợc đề xuất, cung cấp sự linh hoạt hơn trong mã hóa và giải mã. Trong các mạng nơ-ron quang, mạng nơ-ron có giá trị phức đƣợc nghiên cứu vì sóng quang có thể đƣợc biểu diễn bằng một giá trị phức, tức là biên độ và pha. Việc học các tham số được cho là được thực hiện trước. Do đó, trong quá trình xử lý nhãn, không có phản hồi nào của các tín hiệu nhãn gặp phải tồn tại và do đó dự kiến sẽ xử lý nhanh chóng.
Nhận dạng nhãn bằng mạng nơ-ron mang lại tỷ lệ phân biệt cao tại các cổng đầu ra và khả năng tổng quát hóa đối với các nhãn gặp phải, bao gồm cả các nhãn xung suy giảm. Những lợi ích này là nhờ tính phi tuyến của mạng nơ-ron. Một nhãn gặp phải có thể đƣợc phân loại vào một nhóm nhãn, trong đó quá trình nhóm hóa đƣợc thực hiện linh hoạt và các tham số mạng cho việc nhóm hóa được học từ các tín hiệu hướng dẫn. Chức năng này có tiềm năng hữu ích cho quá trình định tuyến.
Trong các mạng chuyển mạch nhãn quang, một gói tin quang bao gồm một nhãn định tuyến và một phần dữ liệu chính. Nhãn quang đƣợc xử lý trong bộ định tuyến để tìm cổng đầu ra cho gói tin gặp phải bằng cách tham khảo bảng định tuyến của mạng.
Bộ xử lý nhãn đƣợc thiết kế để tạo ra một xung tại một trong các cổng đầu ra của nó, không chỉ nhằm nhận dạng thông tin nhãn mà còn để xác định cổng đầu ra phù hợp cho mỗi gói tin dựa trên nhãn và bảng định tuyến. Điều này có nghĩa là bộ xử lý nhãn phân loại các nhãn đầu vào thành các nhóm, mỗi nhóm tương ứng với một cổng đầu ra của bộ định tuyến.
Ta xem xét một chuỗi xung BPSK quang bao gồm xung tham chiếu mà trường điện của nó được cho bởi:
∑
[ ] ∑
[ ]
120
Trong đó (t) là đường bao của xung, ω là tần số góc quang, ∆t là chu kỳ xung. Ta giả định | | và là các xung gặp phải đƣợc chuyển vào mạng nơ-ron song song mà các tham số trọng số của nó đƣợc cho là đƣợc thiết lập bằng cách cung cấp tín hiệu điện điều khiển cho các bộ khuếch đại và bộ dịch chuyển pha. Các tham số trọng số đƣợc cho là đƣợc xác định bởi thuật toán học đƣợc mô tả trong phần tiếp theo.
Học các tham số của mạng nơ-ron
Mỗi xung gặp phải đƣợc chia thành các xung với một bộ phân chia công suất trong lớp đầu vào. Tại mỗi nơ-ron trong lớp ẩn, biên độ và pha đƣợc thay đổi theo các tham số trọng số, và các xung đƣợc trọng số hóa đƣợc cộng hợp lý và xử lý với linh kiện ngƣỡng quang.
Khi các tín hiệu gặp phải của một nơ-ron đƣợc cộng thêm vào cùng pha, tín hiệu tổng hợp lớn hơn, dẫn đến một tín hiệu lớn từ linh kiện ngƣỡng quang. Ngƣợc lại, khi các tín hiệu gặp phải yếu hoặc đƣợc cộng thêm vào không cùng pha, đầu ra từ linh kiện ngƣỡng yếu hơn nhiều. Đầu ra từ mỗi nơ- ron của lớp ẩn được chia thành các xung và được xử lý tương tự tại các nơ- ron trong lớp đầu ra. Kết quả là, chỉ có một cổng đầu ra phát ra một xung. Các cổng đầu ra khác nhau đối với các nhãn gặp phải khác nhau cho việc nhận dạng nhãn. Do đó, nhãn gặp phải có thể đƣợc tìm thấy bằng cách phát hiện cổng đầu ra phát ra một xung lớn.
Đối với phân loại nhãn, một nhãn thuộc cùng một nhóm phân loại phát ra một xung tại cùng các cổng đầu ra. Tín hiệu đầu ra từ cổng tương ứng với nhóm phân loại có thể đƣợc sử dụng để điều khiển chuyển mạch cổng thông qua một linh kiện flip-flop. Trong mô phỏng, chúng ta không tính đến tổn thất do chia công suất tại các bộ chia trong các lớp đầu vào và ẩn, cũng nhƣ tổn thất trong quá trình kết hợp ở các lớp ẩn và đầu ra.
121
| | * + Tại i=l, m, n và k=0, 1, 2. Tín hiệu tham chiếu là ( ) Trọng số đầu vào của nơ-ron là:
| | * + Trạng thái nội bộ của nơ-ron có thể đƣợc thể hiện với đầu ra và trọng số nhƣ sau:
∑ Sau khi tổng hợp (3.19), đƣợc xử lý với hàm kích hoạt phi tuyến.
Luận án sử dụng hàm sigmoid sau đây, chỉ thay đổi biên độ
(| |) * ( )+
Trong các mạng nơ-ron có giá trị phức, một chức năng khác có thể là hàm áp dụng hàm sigmoid riêng biệt cho phần thực và phần ảo. Các trọng số đƣợc cập nhật là:
| |
| | | | | | | ̂ | ̂
| | | | | ̂ | ̂ |
|
và
| | | | ̂ | ( ̂ )|
122
| | | ̂ ( ̂ )|| |
| | Trong đó k là hằng số thời gian học và . Tín hiệu hướng dẫn được truyền vào lớp đầu ra và được phân phối đến mỗi lớp, có nghĩa là học với tín hiệu hướng dẫn. Các trạng thái nội bộ của nơ- ron cho tín hiệu hướng dẫn được lan truyền vào lớp trước có thể được biểu thị bằng:
̂ ∑ (( ̂ )
| | ) Trong đó * biểu thị liên hợp phức. Tín hiệu hướng dẫn được sử dụng cho việc học của lớp trước được đưa ra như sau:
( ̂ ) (| ̂ |) * ( ̂ )+
Để đo lường sự hội tụ thông qua học tập, ta đánh giá khác biệt giữa các đầu ra và tín hiệu hướng dẫn như là độ sai lệch được định nghĩa là: