Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/22575
Tipo de documento: | Dissertação |
Tipo de acceso: | Acesso Aberto |
Título: | Análise de eventos de fusão em traços de OTDR utilizando redes neurais |
Título (s) alternativo (s): | Analysis of fusion events in OTDR traces using neural networks |
Autor: | Jorge Júnior, Evandro Monteiro |
Primer orientador: | Veiga, Antônio Cláudio Paschoarelli |
Primer miembro de la banca: | Santos, Daniel Moraes |
Segundo miembro de la banca: | Vasconcelos, Lorenço Santos |
Resumen: | Quando um enlace óptico é instalado ou quando irá fazer uma atualização de tecnologia em um enlace já existente é necessário fazer testes para saber como é o estado desse enlace, e se nele é possível trafegar os dados demandados. O equipamento mais importante nesses testes é o OTDR, porém os softwares contidos nos equipamentos utilizam algoritmos bem simples que nem sempre conseguem detectar eventos que ocorrem nessa fibra. Esta dissertação tem o propósito de apresentar um algoritmo baseado em Redes Neurais Artificiais, através do método de treinamento backpropagation com intuito de criar uma nova forma de identificar eventos de fusão em traços de OTDR. Foi desenvolvido um software em Matlab, utilizando o algoritmo de backpropagation para realizar a detecção dos eventos de fusão em um traço de OTDR. Em seguida foi utilizado o software para detecção de fibras em casos reais. Por fim foi feita uma análise sobre os casos em que foi utilizada a Rede Neural, e chegou-se a conclusão de que é possível utilizar a técnica de Redes Neurais para resolver problemas deste tipo, além disso foram deixadas algumas propostas para trabalhos futuros envolvendo o tema. |
Abstract: | When an optical link is installed or when it will perform a technology upgrade on an existing link, it is necessary to perform tests to determine the state of that link, and if it is possible to traffic the requested data. The most important equipment in these tests is the OTDR, but the software contained in the equipment uses very simple algorithms that can not always detect events that occur in this fiber. This dissertation aims to present an algorithm based on Artificial Neural Networks, through the backpropagation training method for a new way of identifying fusion events in OTDR traces. We developed software in Matlab, using the backpropagation algorithm to perform the detection of fusion events in an OTDR trace. Then the fiber detection software was used in real cases. Finally, an analysis was made on the cases in which the Neural Network was used, and it was concluded that it is possible to use the Neural Networks technique to solve problems of this type, in addition some proposals were left for future work involving the theme. |
Palabras clave: | Backpropagation Caracterização Fibra Óptica Redes Neurais Artificiais OTDR Artificial Neural Networks Backpropagation Characterization Optical Fibers Engenharia elétrica Back propagation (Inteligência artificial) Fibras óticas Redes neurais (Computação) |
Área (s) del CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Programa: | Programa de Pós-graduação em Engenharia Elétrica |
Cita: | JORGE JÚNIOR, Evandro Monteiro. Análise de eventos de fusão em traços de OTDR utilizando redes neurais. 2018. 90 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Uberlândia, Uberlândia, 2018. DOI http://dx.doi.org/10.14393/ufu.di.2018.1189 |
Identificador del documento: | http://dx.doi.org/10.14393/ufu.di.2018.1189 |
URI: | https://repositorio.ufu.br/handle/123456789/22575 |
Fecha de defensa: | 2-ago-2018 |
Aparece en las colecciones: | DISSERTAÇÃO - Engenharia Elétrica |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
AnaliseEventosFusao.pdf | 7.32 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.