Impacto de la incertidumbre en la estimación de la calidad en una línea de transmisión óptica.
| dc.contributor.advisor | Saavedra Mondaca, Gabriel Alejandro | es |
| dc.contributor.advisor | Leiva López, Ariel | es |
| dc.contributor.author | Muñoz Rosel, Leonardo Gonzalo | es |
| dc.date.accessioned | 2026-03-30T18:48:00Z | |
| dc.date.available | 2026-03-30T18:48:00Z | |
| dc.date.issued | 2026 | |
| dc.description | Tesis presentada para optar al grado de Magíster en Ciencias de la Ingeniería con mención en Ingeniería Eléctrica. | es |
| dc.description.abstract | Esta tesis investiga el impacto de la incertidumbre operacional en el comportamiento espectral de amplificadores de fibra dopada con erbio (EDFA) y sus implicancias en la estimación de la calidad de transmisión en enlaces ópticos multitramos. Mediante un estudio paramétrico basado en un modelo de machine learning (MAE = 0.04), se observó que la potencia óptica de entrada modifica el espectro de salida del EDFA, determinando si el perfil de ganancia tiende a exceder o a quedar por debajo del perfil objetivo. Resultados experimentales en un enlace de 200 km muestran que variaciones en la potencia de entrada producen cambios de hasta 2.25 dB en el gain ripple y errores de hasta 1 dB en la estimación de OSNR cuando se utilizan estimadores basados en ganancia promedio. En un sistema multitramos de cuatro EDFAs se observaron efectos acumulativos donde la ganancia promedio disminuye aproximadamente 1.3 dB y el gain ripple aumenta entre 1.5 y 2 dB, provocando degradaciones de OSNR entre 1 y 3 dB dependiendo del régimen de operación. Finalmente, se evaluó la robustez de modelos de machine learning entrenados en escenarios de single span (MAE <0.2 dB). En el régimen crítico de baja potencia, el modelo base acumuló errores de hasta 8.69 dB en el sistema multitramos, mientras que el uso de transfer learning (TL) redujo el error total a 2.4 dB; bajo condiciones de incertidumbre, los errores alcanzaron 9.39 dB y 5.11 dB respectivamente. Los modelos especialistas basados en TL mostraron mejoras adicionales, reduciendo el error de predicción entre un 33% en condiciones nominales y hasta un 55% en presencia de incertidumbre. Estos resultados evidencian que la incertidumbre en la potencia de entrada modifica la dinámica espectral de los EDFAs y demuestran que modelos entrenados bajo condiciones controladas pueden no generalizar adecuadamente en sistemas multitramos cuando la incertidumbre operacional altera el régimen espectral del amplificador. | es |
| dc.description.abstract | This thesis investigates the impact of operational uncertainty on the spectral behavior of erbium-doped fiber amplifiers (EDFAs) and its implications for transmission quality estimation in multi-span cascade link. Through a parametric study based on a machine learning model (MAE = 0.04), it was observed that the optical input power modifies the EDFA output spectrum, determining whether the gain profile tends to exceed or fall below the target profile. Experimental results obtained from a 200 km optical link show that variations in input power can produce changes of up to 2.25 dB in gain ripple and errors of up to 1 dB in OSNR estimation when average-gain-based estimators are used. In a multi-span system composed of four EDFAs, cumulative effects were observed where the average gain decreases by about 1.3 dB and the gain ripple increases between 1.5 and 2 dB, leading to OSNR degradations between 1 and 3 dB depending on the operating regime. Finally, the robustness of machine learning models trained in single-span scenarios (MAE <0.2 dB) was evaluated. Under the critical low-power regime, the base model accumulated prediction errors of up to 8.69 dB in the multi-span system, while transfer learning (TL) reduced the total error to 2.4 dB; under uncertainty conditions, the errors increased to 9.39 dB and 5.11 dB respectively. Specialist models based on TL provided additional improvements, reducing prediction error by 33% under nominal conditions and up to 55% in the presence of uncertainty. These results show that uncertainty in the input power modifies the spectral dynamics of EDFAs and demonstrate that models trained under controlled conditions may fail to generalize in multispan systems when operational uncertainty alters the amplifier spectral regime. | en |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.description.sponsorship | ANID, Proyecto Fondecyt N°123826. | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/13858 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Redes ópticas | es |
| dc.subject | Machine learning | en |
| dc.subject.ods | INDUSTRIA, innovación, infraestructura | es |
| dc.title | Impacto de la incertidumbre en la estimación de la calidad en una línea de transmisión óptica. | es |
| dc.type | Thesis | en |