Signals and Communication Technology For further volumes

234 
6 OFDM/DMT for Wireline Communications
Here φ
′
(τ ) denotes zero-mean white Gaussian noise with power spectral density
2π∆ν. Finally, the parameter ∆ν describes the laser line-width, which is set to
100 kHz in the sequel. The transmission link itself consisted of identical spans of stan-
dard single mode fiber (length: 80 km, chromatic dispersion coefficient: 17 ps/nm/km,
attenuation: 0.2 dB/km). The simulation model for the optical channel considers
the Kerr effect with the non-linear coefficient γ = 1.33/W/km [56]; polarization
dependent loss is neglected. Optical amplifiers compensate for attenuation; their
noise-figure is assumed to be 4 dB. It should be mentioned that there are no fibers
or devices for optical dispersion compensation.
6.4.2 Noise Variance Estimation
In order to determine an estimate for the maximum achievable spectral efficiency,
at first the signal distortion shall be quantified. As mentioned above, the analysis is
based on a system identification approach which treats the whole setup as a “weakly
non-linear” system, i.e., the system’s characteristic is dominated by a linear transfer
function. All kinds of distortion are treated as additive noise. The transmission of
symbol vectors [X
1
(d) X
2
(d)]
T
on sub-carrier d can be written as

Y
1
(d)
Y
2
(d)

=

H
11
(d) H
12
(d)
H
21
(d) H
22
(d)

·

X
1
(d)
X
2
(d)

+

n
1
(d)
n
2
(d)

.
(6.29)
The samples [n
1
(d) n
2
(d)]
T
comprise noise which is added to the signal by optical
amplification as well as distortion due to non-linear fiber effects modeled as an ad-
ditive noise-like contribution. This assumption is not valid for arbitrary points of
operation, but reasonable for values of optical powers where we expect best trans-
mission performance.
After estimating the linear transfer characteristic (usually done with the help of pilot
symbols) we subtract known data symbols (either further pilot symbols or data after
decision) which have been affected by linear distortion through the channel from the
received symbols. Then the relative noise variance for both receive branches can be
determined [57]:
N
i
S
i
=

Q
d=1
|n
i
(d)|
2

Q
d=1
|H
i1
(d)X
1
(d) + H
i2
(d)X
2
(d)|
2
,
i ∈ {1, 2}
(6.30)
The summation in the nominator and denominator represents integration over
the discrete frequency spectrum. In our simulations, the per-channel optical input
power was varied from -12 to -3 dBm. The number of fiber spans ranges from 4 to
32. Based on the transmission of 100 OFDM symbols per polarization the inverse
SNR of the orthogonal polarizations at the receiver is estimated according to (6.30).
Figure 6.18 shows a contour plot which depicts N
1
/S
1
in logarithmic scale. The
relative noise power increases with longer transmission distances: from less than
-20 dB for short links to more than -14 dB beyond 23 spans. Furthermore the plot
shows the interrelation between estimated noise variance and optical input power:
For low input powers, a power increment reduces the variance of additive noise at
the receiver. At a certain power level, distortion due to fiber non-linearity comes

6.4 Dual Polarization Optical OFDM Transmission 
235


























QX
P
EH
URI
VSD
QV
3
FK
>G%P@
OJ_1

6

_











Figure 6.18: Estimated relative noise power.
into play and noise power increases.
Numerous simulations have been carried out in order to quantify these observa-
tions. Moreover, the influence of the launch powers of neighboring WDM channels
on the noise variance has been studied. These results yield a method for separating
the total noise variance into several contributions: Actual additive noise caused by
optical amplifiers, noise-like distortion due to self phase modulation and contribu-
tions due to non-linear crosstalk between WDM channels [58].
Achievable Spectral Efficiency
According to Shannon the maximum information-rate which can be transmitted over
a band-limited additive white Gaussian noise channel is
C = B · log
2

1 +
S
N

,
(6.31)
where S/N and B denote the signal-to-noise power ratio and the used bandwidth.
Division by B results in the achievable spectral efficiency Γ . In order to obtain an
estimate for the maximum achievable spectral efficiency of the simulated OFDM
system we determine Γ for both receive branches on sub-carrier basis
Γ
i
(d) = log
2

1 +
E{|H
i1
(d)X
1
(d) + H
i2
(d)X
2
(d)|
2
}
E{|n
i
(d)|
2
}

, i ∈ {1, 2}.
(6.32)
The optical channel is assumed to be free of polarization dependent loss. Thus the
contributions of the orthogonal polarizations are added up. Furthermore we average
over the OFDM sub-carriers
Γ = η ·
⎛
⎝
1
Q
Q
d=1
Γ
1
(d) +
1
Q
Q
d=1
Γ
2
(d)
⎞
⎠
.
(6.33)

236 
6 OFDM/DMT for Wireline Communications































QX
P
EH
UR
IV
SD
QV
3
FK
>G%P@
$FKLHYDEOHVSHFWUDOHIILFLHQF\>ELWV+]@











Figure 6.19: Achievable spectral efficiency versus distance and launch power.













GLVWDQFH>NP@
*
>E
LWV+
]@


$:*1:'0FKDQQHOV
$:*1WRWDO&EDQG
RFFXSLHG3
WRW
 G%P
QXPHULFDOHVWLPDWLRQ
Figure 6.20: Achievable spectral efficiency vs. distance.
The coefficient η accounts for guard bands between WDM channels; in this scenario
there is a fill factor η = 8.4/9. The simulation data obtained for distances of 4 to
32 spans and optical powers of -12 to -3 dBm was analyzed according to these equa-
tions. The results are summarized in the contour plot in Fig. 6.19. The simulated
transmission scenario allows for spectral efficiency of slightly more than 13 bit/s/Hz
for a distance of 4 fiber spans. For each transmission distance there is a distinct
optical power level which maximizes the SNR in the sense of a weakly non-linear
system and at the same time yields the corresponding capacity. The extraction
of the associated maximum achievable spectral efficiency versus distance is shown
in Fig. 6.20. We observe a capacity decay to about 7.5 bit/s/Hz for a distance of
2500 km. Due to the non-linear characteristic of the channel these results are a valid
estimate for the given optical setup, powers, and WDM-parameters. The channel
capacity is limited by actual additive noise along with non-linear signal distortion
and non-linear cross-talk. For a comparison the diagram shows two curves which

6.4 Dual Polarization Optical OFDM Transmission 
237
were obtained from approaches which consider linear AWGN channels. The investi-
gated transmission system is assumed to consist of equally spaced, identical optical
amplifiers. The optical SNR (OSNR) after N
spans
amplifiers is given by [59]
OSNR =
P
opt
· λ
0
G F
N
· h · c · N
spans
· B
ref
.
(6.34)
Here h and c denote Planck’s constant and the speed of light, respectively. G is
the amplifiers’ gain which shall equal the loss of one fiber span. The noise figure is
given by F
N
. Finally λ
0
and B
ref
denote the reference wavelength (1550 nm) and
bandwidth for noise power measurement. In optical communications usually B
ref
equals 12.5 GHz. However, insertion of the actual OFDM signal bandwidth leads to
an accurate SNR estimate which can be applied to Shannon’s equation. The upper
curve in Fig. 6.20 was obtained by this calculation, whereby for each transmission
distance the optimum optical launch power found in Fig. 6.19 was inserted. It can be
observed that the numerical estimates, which consider the fiber non-linearity as an
additive noise contribution, deviate from the pure AWGN channel by approximately
3 bit/s/Hz. Hence, at the optimum point of operation with respect to input power,
the system still suffers from a distinct amount of distortion due to non-linear effects.
An alternative way of finding a sensible value for the per-channel launch power is
based on WDM transmission parameters. Commercially availably optical amplifiers
operate in the so-called C-band which approximately ranges from 1525 to 1565 nm.
Equivalently a total band-width of 5.0 THz can be used for parallel transmission.
The maximum optical power typically reaches 17 dBm, e.g., used in [60]. In the
case where the total bandwidth shall be occupied by OFDM bands on a 9 GHz grid,
the per-channel launch power amounts to P
opt
= 10.4 dBm. These considerations
are the basis for the dashed line in Fig. 6.20, obviously leading to reduced capacity
compared to the 8 channel AWGN scenario. Full occupation of the C-band results
in penalty due to increased non-linear signal distortion. The numerical estimates
for the achievable spectral efficiency in Fig. 6.20 exhibit a gap of approximately
6 bit/s/Hz compared to the reported values of transmission experiments [52] [53].
These results suggest that an increase of spectral efficiency is possible for the used
fiber links. However, first the influence of quantization noise has to be incorporated
into the simulation model.
6.4.3 ADC/DAC Resolution
High speed devices for analog-to-digital and digital-to-analog conversion (ADC and
DAC) with sampling rates beyond 20 GS/s have been demonstrated [61] as well
as the integration of four such devices, which are needed for sampling of inphase
and quadrature components of the received signals of both polarizations. At such
high sampling rates these devices have a more or less limited number of quantization
levels. The authors of [61] report 6 bits resolution while state-of-the-art measurement
devices provide higher accuracy. Thus, quantization noise as well as clipping has to
be taken into consideration as performance limiting factors for high speed optical
OFDM transmission. For this purpose the simulation models of the transmitter and
receiver were extended by DAC and ADC device characteristics.

238 
6 OFDM/DMT for Wireline Communications













GLVWDQFH>NP@
*
>E
LW
V+
]@


QRTXDQW
ELWV
ELWV
ELWV
ELWV
Figure 6.21: Achievable spectral efficiency versus distance considering quantization
noise. Diamonds denote actual spectral efficiencies; pre-FEC BER:
10
−3
; code rate 0.93.
In further simulations the number of quantization levels was varied. The clipping
ratio (maximum amplitude over the signal’s root-mean-square) was set to 10 dB.
Fig. 6.21 depicts the resulting estimated achievable spectral efficiency. One can
observe that there is marginal difference between the curves corresponding to 8, 7,
and 6 bit resolution. In these cases there is a loss of approximately 1 bit/s/Hz for a
distance of 500 km and just 0.5 bit/s/Hz for 1000 km. This loss is mainly attributed
to distortion due to clipping. For longer transmission distances optical amplifier
noise and fiber non-linear effects dominate. Usage of 5 bit DACs/ADCs introduces
a distinct amount of quantization noise. Therefore, for actual implementations it
will be desirable to use at least 6 bit quantization. In a further analysis of the
simulation data of Fig. 6.18, transmission distances were determined, which lead to
a bit error ratio of 10
−3
when different QAM alphabets are used. This value is a
typical maximum pre-FEC bit error ratio, which can be handled by forward error
correction codes, which have been standardized for optical communications. These
codes exhibit a rate of 0.93. Diamonds in Fig. 6.21 show respective distances along
with the achieved spectral efficiency for 16QAM, 8QAM, and 4QAM. The calculation
of the spectral efficiency considers the code rate as well as the fill factor of the WDM
spectrum. Hence, such systems are assumed to transmit over 800 km at a spectral
efficiency of 7 bit/s/Hz. Error-free transmission at 3.5 bit/s/Hz is supposed to work
over 2100 km. These results imply that transmission performance of future systems
may be enhanced by introducing more powerful FEC coding schemes.
6.5 Forward Error Correction
T. Lotz, W. Sauer-Greff, R. Urbansky, University of Kaiserslautern, Ger-
many
Classical optical communication systems processing at data rates up to 10 Gbit/s

6.5 Forward Error Correction 
239
employ non-coherent direct detection receivers that exhibit a pre-FEC BER < 10
−3
.
Therefore a (255,239) Reed Solomon (RS) code is sufficient to guarantee an overall
BER < 10
−16
. But due the increasing demand of higher signal bandwidth, more
powerful FEC-schemes, such as turbo codes [65] or LDPC codes [66] have to be
considered, in order to allow processing close to the theoretical Shannon limit. Hence
we applied the concept of bit-interleaved coded modulation with iterative decoding
(BICM-ID) to our system since it takes into account the multilevel characteristics of
the signal as well as the code properties in an iterative decoding process. The basic
idea of BICM-ID and the obtained simulation results are presented in the following.
6.5.1 BICM-ID System Model
Traditionally iterative decoding is applied with either a parallel or a serial concate-
nation of at least two convolutional codes [65]. But as noted in [67] the “Turbo
principle” can be used not only with traditional concatenated coding schemes, but
is more generally applicable to several other schemes that can be found in modern
digital communications. Due to the use of a multilevel modulation scheme, we are
able to adapt the Turbo Principle to iterative soft-demapping together with channel
decoding, also referred to as BICM-ID [68].
The basic structure of a BICM encoder and iterative decoder is given in Fig. 6.22
[68].
Figure 6.22: Iterative demapping and decoding, BICM-ID system configuration
The concept is as follows: The transmission is done on block basis where an info
sequence of k bits is convolutionally encoded to a code word (CW) of n > k bits
with a recursive systematic convolutional (RSC) code. The generated CW is fed
to a random bit interleaver which is a pre-requirement for an iterative receiver to
guarantee statistical independence between adjacent bits. After interleaving the
grouping operation takes M coded bits x
0,..,M −1
∈ {0, 1} to form the complex out-
put symbol y = map(x
0,..,M −1
). This mapping operation map() is essential for the
iterative demapping and decoding, since it links up the several bits x
0,..,M −1
to a con-
stellation symbol and mutual dependencies arise between them. With traditional
non-iterative decoding the mapping operation typically applies a Gray labeling for
the lowest pre-FEC BER. With Gray mapping, neighboring signal points differ by
only one binary digit in their binary decomposition. However, as is well known,
Gray mapping performs worst for iterative demapping and decoding [68]. Hence
different mapping strategies need to be considered, as discussed in Section 6.5.2.
After the mapping operation the complex symbols y are transmitted over the
channel. For the assumption of an AWGN channel, which is valid for the investigated
operation area of the optical OFDM system, the symbols z at the input of the soft-

240 
6 OFDM/DMT for Wireline Communications
demapper are only corrupted by noise, so z = y + n, where n = n
I
+ jn
Q
, with n
I
,
n
Q
being realizations of two independent Gaussian random variables. Their variance
is the double-sided noise power spectral density σ
2
= σ
2
I
= σ
2
Q
= N
0
/2.
In the soft-demapper the channel symbols z are demapped and ungrouped to
each M reliabilities in form of log-likelihood ratio (LLR) values L
M,p
. In the first
iteration the a-posteriori probabilities L
M,p
, computed by the soft-demapper, are
deinterleaved and soft-in/soft-out decoded in a symbol-by-symbol APP estimator,
implemented by the BCJR algorithm [69]. At the output of the BCJR we find
the APP LLR values L
D,p
. For iterative decoding it is necessary to exchange only
extrinsic information between the soft-demapper and decoder, so we have to remove
statistically dependent information. Therefore the soft-input LLR values of the
coded bits for the soft-demapper are the interleaved a-posteriori LLR values of the
BCJR without the a-priori information, L
M,a
= Π{L
D,p
− L
D,a
}
. Respectively, the
a-priori LLR values for the BCJR are computed as the deinterleaved extrinsic LLR
values of the soft-demapper, L
D,a
= Π
−1
{L
M,p
− L
M,a
}
.
The BCJR decoder performs bitwise soft-input processing, thus the demapper
has to extract a soft value of each coded bit x
0,..,M −1
of a 2
M
-ary complex channel
symbol z. When a-priori information is available, the APP soft information LLR
value L
M,p
of bit k is computed as
L
M,p
(x
k
|z) = ln
p(x
k
= 1|z)
p(x
k
= 0|z)
=
L
M,a
(x
k
) + ln
2
M −1
−1

i=0
p (z|x
k
= 1, x
j=k
≡bin(i))·exp
M −1

j=0,j
=k
btst(i,h)=1
L
M,a
(x
j
)
2
M
−1
−1

i=0
p (z|x
k
= 0, x
j=k
≡bin(i))·exp
M −1

j=0,j
=k
btst(i,h)=1
L
M,a
(x
j
)
,
(6.35)
where x
j=k
≡ bin(i) denotes the joint event of the variables x
j=k
; k, j ∈ {0..M − 1}
having the values 0, 1 according to the binary decomposition of i. The function
btst(i, h) takes the value
′
1
′
if bit number h is set in the binary decomposition of i,
otherwise it is
′
0
′
, where
h =
⎧
⎨
⎩
j
, j < k
j − 1 , j ≥ k.
(6.36)
When the channel symbols z are corrupted by complex Gaussian noise, the con-
ditional PDF calculates to
p(z|y) =
1
2πσ
2
exp

−
1
2σ
2
|z − y|
2

.
(6.37)
With (6.37) we can rewrite the soft-demapping algorithm of (6.35) for the complex

6.5 Forward Error Correction 
241
AWGN channel as
L
M,p
(x
k
|z) = L
M,a
(x
k
) + ln
2
M −1
−1

i=0
exp
⎡
⎢
⎣
−
1
2σ
2
|z − y
k,(1,i)
|
2
+
M −1

j=0,j
=k
btst(i,h)=1
L
M,a
(x
j
)
⎤

⎦
2
M
−1
−1

i=0
exp
⎡
⎢
⎣
−
1
2σ
2
|z − y
k,(0,i)
|
2
+
M −1

j=0,j
=k
btst(i,h)=1
L
M,a
(x
j
)
⎤

⎦
,
(6.38)
where y
k,(1,i)
= map(x
k
=1,x
j=k
≡bin(i)) and y
k,(0,i)
= map(x
k
=0,x
j=k
≡bin(i)), j ∈
{0..M − 1}.
6.5.2 Influence of the Applied Mapping
As noted before, the choice of the mapping is crucial to achieve a good performance
of BICM-ID. If Gray mapping is applied the initial BER performance is acceptable,
but the performance of the iteration loop is inferior, whereas for, e.g., an anti-Gray
mapping its convergence behavior can be significantly improved for the price of a
worse initial BER. So, for anti-Gray mapping a quite high SNR is required to reach
the so called “turbo cliff”, which is the required SNR at which the decoding process
starts to deliver an iteration gain.
However, systems applying the Turbo Principle are known to run into a certain
error floor. Hence, if a lower BER is intended outer coding is indispensable. When
the necessary pre-FEC BER of the outer FEC scheme is known, it is possible to
optimize the BICM-ID system to reach that specific error region by applying an
irregular modulation at a lower SNR compared to the case of applying either a pure
Gray or a pure anti-Gray mapping. So the symbols within a CW are mapped to a
ratio of α according to Gray and to a ratio 1 − α according to anti-Gray,
α =
N
Gray
N
Gray
+ N
Anti−Gray
(6.39)
with N
{Gray,Anti−Gray}
denoting the number of symbols within a CW owning a Gray
or anti-Gray mapping, respectively [62].
6.5.3 Simulations on the Performance of Coded OFDM
In this section BICM-ID is optimized according to the properties of the optical
OFDM system. The investigated coded OFDM transmission system with polariza-
tion multiplexing is depicted in Fig. 6.23.
Outer coding is implemented by the (255,239) RS-Code code of rate R
RS
= 0.937
over the Galois field GF(256), specified by the ITU in [63]. This particular code
has the property to guarantee a BER < 10
−16
when the RS decoder input BER is
< 10
−3
.
To enhance the error correction capabilities of the transmission system, inner
coding is performed with a BICM encoder. So, the RS-encoder output sequence u is
convolutionally encoded with a RSC encoder of memory 5 and punctured to result

242 
6 OFDM/DMT for Wireline Communications
Figure 6.23: Complete optical COFDM system
in a rate of R
RSC
= 0.8. Considering the particular outer code, the systems total
code rate is R = 0.75. Since transmission is performed on a block basis the CW
length was set to N = 30720, which is the number of bits in 10 OFDM symbols
resulting from the used OFDM parameters. An analysis on the optimum mapping,
specifically the ratio α between Gray and anti-Gray mapping, is given in below.
For our simulations the gross bit rate per polarization is set to 75 Gbit/s. Q = 256
sub-carriers are modulated with a constellation size of 64-QAM. The cyclic prefix
length equals 1/12 of the original OFDM symbol duration.
In the optical transmission sub-system of Fig. 6.23 we find a simplified illustra-
tion of the system given in Fig. 6.17. Shadowing indicates that those units are
available twice due to the separate use of both polarizations. The properties of
the transmission link and the modulating laser are the same as in Section 6.4.1.
In our simulations we included five WDM channels with 13.5 GHz bandwidth each
on a 14 GHz grid. The pre-channel optical input power was varied from −12 to 0
dBm. The number of fiber spans was set to 12; the whole transmission link has a
length of 960 km. The receiver includes a 18 GHz optical band-pass; sampling was
performed at a rate of 24 GHz with a resolution of 6 bit. Taking into account the
code and OFDM properties we achieve a spectral efficiency of 8 bit/s/Hz in both
polarizations.
The resulting BERs after 7 iterations are shown for different channel input powers
and different mappings in Fig. 6.24 .
Obviously, only an irregular modulation with α = 0.5 exhibits after a finite number
of iterations a BER < 10
−3
, which is sufficient for the outer RS-code to obtain a
total BER < 10
−16
.
An explanation of BICM-ID to reach a turbo cliff only when applying an irregular
modulation can be found by meas of extrinsic information transfer (EXIT) chart
analysis, which is a powerful tool to visualize the flow of mutual information (MI)
between decoder and demapper in the iterative decoding process. In the EXIT chart
the MI of the decoder/demapper is plotted versus its a-priori input, i.e., the MI of
the demapper/decoder. If an optimum demapper/decoder is used, the knowledge
of the MI contained in the a-priori information is sufficient to derive the MI of the
decoder/demapper. Denoting the encoder/demapper input by X
a
and the corre-
sponding extrinsic decoder/demapper output by X
e
, the MI I(X
e
; X
a
) calculates

6.5 Forward Error Correction 
243
−12
−10
−8
−6
−4
−2
0
10
−4
10
−3
10
−2
10
−1
10
0
Transmitter output power [dBm]
BER
Hard decision: Gray
BICM: anti
−Gray
BICM: Gray
BICM: 1:1 Mixture
Figure 6.24: Simulations on systems performance; BER at BICM-ID output
to
I(X
e
; X
a
) =

X
e

X
a
f (x
e
, x
a
) log
2
f (x
e
, x
a
)
f (x
e
)f (x
a
)
δx
a
δx
e
.
(6.40)
Figure 6.25 depicts the EXIT functions of decoder and demapper for different
mapping schemes at the optimum optical input power set to −9 dBm. Obviously,
when Gray mapping is applied the EXIT function is flat, so the performance of
the iteration loop is inferior. Whereas anti-Gray seems to be more promising since
the extrinsic MI I
e,demapper
of the demapper increases with an increasing a-priori MI
I
a,demapper
, but due to the fact that for low I
a,demapper
also I
e,demapper
is low, the EXIT
functions of demapper and decoder intersect significantly before that of the Gray
mapping. So its performance is even worse than the hard decision of Gray mapping.
Only an irregular modulation combines the benefits of both mappings, which allows
the EXIT functions to intersect at an MI higher than that necessary to obtained a
BER < 10
−3
, visualized by the dashed line.
6.6 Summary
This chapter gave an impression of some of the research issues related to the wireline
use of multicarrier modulation. Many aspects are similar as in wireless, but the
channels offer different possibilities or have other challenges, such as, e.g., more
stationary behavior, an additional common mode in twisted-pair, or non-linearities
in optical communication.
In the case of twisted-pair communication, we showed that the additionally avail-
able common-mode signal can serve as a reference for impulse-noise cancellation.
The common mode predominantly shows external disturbances like radio-frequency
interference and impulse noise. Crosstalk and the own signal are of less influence.
The amplitude of impulse noise on common mode is significantly higher than on
differential mode and provides an ideal reference input for a canceler to significantly

244 
6 OFDM/DMT for Wireline Communications
0
0.2
0.4
0.6
0.8
1
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
I
a,demapper
, I
e,decoder
I
e,
demapper
, I
a,decoder
Soft
−Demapper: anti−Gray
Soft
−Demapper: Gray
Soft
−Demapper: 1:1 Mixture
Decoder
BER = 10
−3
Figure 6.25: EXIT functions of decoder and soft-demapper for different mappings at
optical input power of -9 dBm.
reduce impulse-noise in differential mode.
In optics, we were aiming at a maximum achievable spectral efficiency, which is
limited by amplifier noise and non-linear fiber effects causing signal distortion and
non-linear crosstalk between WDM channels. A weakly non-linear approach was
applied which treats all these kinds of distortion as additive noise. Based on noise
variance determination, estimates for the maximum achievable spectral efficiency are
obtained, which amount to a range of 13 bit/s/Hz to 7.5 bit/s/Hz for distances from
320 km up to 2500 km. Realistic ADC/DAC characteristics turned out to slightly
reduce the achievable spectral efficiency for short to medium distances. For long-
haul transmission, quantization noise is not dominating. Forward error correction
codes standardized for optical transmission leave a gap of approximately 4 bit/s/Hz
to the estimated upper bound.
To overcome this gap, we adapted the principle of an iterative decoding scheme,
namely BICM-ID, to our system. The obtained results for the investigated optical
OFDM system promise to reach a spectral efficiency of 8 bit/s/Hz for a 960 km fiber
link. However, we expect to enhance the performance beyond that by applying even
more powerful FEC schemes, such as multi-level codes or LDPC codes.
Bibliography
[1] http://trsys.faculty.jacobs-university.de/files/DSL_book_project.pdf
[2] T. Starr, J.M. Cioffi, and P.J. Silverman, Understanding Digital Subscriber Line
Technology, Prentice Hall, 1998.
[3] J.M. Cioffi, T. Starr, M. Sorbara, DSL Advances, Prentice Hall, 2002.

Bibliography 245
[4] W.Y. Chen, “Dsl: Simulation Techniques and Standards Development for Digital
Subscriber Line Systems,” Macmillan Technology Series, 1998.
[5] P. Golden, H. Debieu, K. Jacobsen, edts., Fundamentals of DSL Technology,
Auerbach Publications, Boca Raton, FL, USA, 2006.
[6] ETSI TM 6 contribution, Luleå, Sweden, June 22-26, 1998, 970p02r3.
[7] D. Hughes-Hartogs, D., Ensemble Modem Structure for Imperfect Transmission
Media, U.S. Patents, Nos. 4,679,227 (July 1987); 4,731,816 (March, 1988); and
4,833,706 (May 1989).
[8] P.S. Chow, J.M. Cioffi, J.A.C. Bingham, “A practical discrete multitone
transceiver loading algorithm for data transmission over spectrally shaped chan-
nels,” IEEE Transactions on Communications, Vol. 43, No. 234, pp. 773-775,
Feb-Mar-Apr 1995.
[9] R.F.H. Fischer, J.B. Huber, “A New Loading Algorithm for Discrete Multitone
Transmission,” proc. Globecom 1996, Vol. 1, Nov. 18-22, 1996, pp. 724-728.
[10] Y. George, O. Amrani, “Bit loading algorithms for OFDM,” proc. International
Symposium on Information Theory (ISIT) 2004, p. 391, June 27 - July 2, 2004.
2004 Page(s):391 - 391
[11] J. Campello, “A Practical Bit Loading for DMT,” proc. ICC 1999, Vancouver,
Vol. 2, pp. 801-805, June 1999.
[12] H.E. Levin, “A complete and optimal data allocation method for practical dis-
crete multitone systems,” GLOBECOM 2001, San Antonio, TX, USA, Vol. 1,
pp. 369-374, Nov. 25-29, 2001.
[13] W. Henkel and K. Hassan, “OFDM (DMT) Bit and Power Loading for Unequal
Error Protection,” OFDM-Workshop 2006, Hamburg, Aug. 30-31, 2006.
[14] K. Hassan and W. Henkel, “UEP with Adaptive Multilevel Embedded Modula-
tion for MIMO-OFDM Systems,” OFDM-Workshop 2008, Hamburg, Aug. 27-28,
2008.
[15] F. Yu, A. Willson, “A DMT Transceiver Loading Algorithm for Data Transmis-
sion with Unequal Priority over Band-limited Channels,” proc. Signals, Systems,
and Computers, 1999, Pacific Grove, CA, USA, Vol. 1, pp. 685-689, Oct. 24-27,
1999.
[16] J. Tellado, Peak-to-Average Power Reduction for Multicarrier Modulation,
Ph.D. thesis, Stanford University, Sept. 1999.
[17] W. Henkel, V. Zrno, “PAR Reduction Revisited: An Extension to Tellado’s
Method,” 6th International OFDM-Workshop, Hamburg, Sept. 18-19, 2001.

246 
6 OFDM/DMT for Wireline Communications
[18] W. Henkel, V. Azis, “Partial Transmit Sequences and Trellis Shaping,” 5th
International ITG Conference on Source and Channel Coding (SCC), Erlangen,
January 14-16, 2004.
[19] K.S. Jacobsen, “Methods of Upstream Power Backoff on Very High-Speed Digi-
tal Subscriber Lines,” IEEE Communications Magazine, pp. 210-216, March 2001
[20] B. Wiese, K.S. Jacobsen, “Use of the Reference Noise Method Bounds the
Performance Loss Due to Upstream Power Backoff,” IEEE JSAC, Vol. 20, No. 5,
pp. 1075-1084, June 2002.
[21] S. Schelstraete, “Define Upstream Power Backoff for VDSL,” IEEE JSAC,
Vol. 20, No. 5, pp. 1064-1074, June 2002.
[22] S.T. Chung and J.M. Cioffi, “Rate and Power Control in a Two-user Multicarrier
Channel with no Coordination: the Optimal Scheme vs. a Suboptimal Method,”
IEEE Transactions on Communications, Vol. 51, No. 11, pp. 1768–2003, Nov
2003.
[23] S.T. Chung, S.J. Kim, J. Lee, and J.M. Cioffi, “A Game-theoretic Approach to
Power Allocation in Frequency Selective Gaussian Interference Channels,” in Proc.
of the IEEE International Symposium on Information Theory, ISIT, Yokohama,
Japan, p. 316. June-July 2003,
[24] D. Statovci, Adaptive Resource Allocation for Multi-User Digital Subscriber
Lines, Ph.D. thesis, Vienna University of Technology, July 2005.
[25] A. Leshem and E. Zehavi, “Game Theory and the Frequency Selective Inter-
ference Channel,” IEEE Signal Processing Magazine, Vol. 26, No. 5, pp. 28-40,
September 2009.
[26] G. Tauböck, W. Henkel, “MIMO Systems in the Subscriber-Line Network,” 5th
International OFDM Workshop, Hamburg, Sept. 12-13, 2000.
[27] G. Ginis, J.M. Cioffi, “Vectored Transmission for Digital Subscriber Line Sys-
tems,” IEEE JSAC, Vol. 20, No. 5, pp. 1085-1104, June 2002.
[28] G. Ginis, J.M. Cioffi, “A multi-user precoding scheme achieving crosstalk can-
cellation with application to DSL systems,” proc. Thirty-Fourth Asilomar Con-
ference on Signals, Systems and Computers, 2000, Vol. 2, pp. 1627-1631, Oct. 29
- Nov. 1, 2000.
[29] G. Ginis, J.M. Cioffi, “On the relation between V-BLAST and the GDFE,”
IEEE Communications Letters, Vol. 5, No. 9, pp. 364-366, Sept. 2001.
[30] R.F.H. Fischer, C. Windpassinger, A. Lampe, and J.B. Huber, “Space-Time
Transmission using Tomlinson-Harashima Precoding,” ITG Fachbericht, 2002.
[31] W. Henkel, T. Kessler, “A Wideband Impulsive Noise Survey in the German
Telephone Network: Statistical Description and Modeling,” AEÜ, Vol. 48, No. 6,
pp. 277-288, Nov. 1994.

Bibliography 247
[32] W. Henkel, T. Kessler, H.Y. Chung, “Coded 64-CAP ADSL in an Impulse-Noise
Environment – Modeling of Impulse Noise and First Simulation Results,” IEEE
JSAC, Vol. 13, No. 9, Dec. 1995, pp. 1611-1621.
[33] I. Mann, S. McLaughlin, W. Henkel, R. Kirkby, and T. Kessler, “Impulse Gen-
eration wich Appropriate Amplitude, Length, Inter-arrival, and Spectral Charac-
teristics,” IEEE JSAC, Vol. 20, No. 5, pp. 901-912, June, 2002.
[34] M. van Bladel and M. Moeneclaey, “Time-domain equalization for multicar-
rier communication,” in Proc. Communication Theory Mini-Conf. (GLOBECOM
1995), pp. 167-171, Singapore, Nov. 13–17, 1995.
[35] W. Henkel and T. Kessler, “Maximizing the Channel Capacity of Multicar-
rier Transmission by Suitable Adaptation of the Time-Domain Equalizer,” IEEE
Transactions on Communications, Vol. 48, No. 12, pp. 2000-2004, Dec. 2000.
[36] W. Henkel and O. Graur, “Impulse Noise Cancellation based on the Common-
Mode Signal,” proc. Sarnoff Symposium, Princeton, NJ, USA, Apr. 12 -14, 2010,
Princeton, NJ, USA.
[37] W. Henkel, T. Kessler,“A Wideband Impulsive Noise Survey in the German
Telephone Network: Statistical Description and Modeling ,” AEÜ, Vol. 48, No. 6,
pp. 277-288, Nov./Dec. 1994.
[38] W. Henkel, T. Kessler, H.Y. Chung,“A Wideband Impulse-Noise Survey on
Subscriber Lines and Inter-Office Trunks: Modeling and Simulation,” Globe-
com/CTMC ’95, Singapore, Nov. 13-17, 1995.
[39] I. Mann, S. McLaughlin, W. Henkel, R. Kirkby, T. Kessler,“Impulse Generation
with Appropriate Amplitude, Length, Inter-arrival, and Spectral Characteristics,”
IEEE J. Select. Area Commun., Vol. 20, No. 6, pp. 901-912, June 2002.
[40] G. Ginis, C. Peng,“Alien Crosstalk Cancellation for Multipair Digital Subscriber
Line Systems,” EURASIP Journal on Applied Signal Processing, Vol. 2006, 2006.
[41] T. Magesacher, P. Ödling, P. O. Börjesson and T. Nordström,“Exploiting the
Common-Mode Signal in xDSL,” European Signal Processing Conference 2004,
Vienna, Austria, September 2004.
[42] T. Magesacher, P. Ödling, P. O. Börjesson,“Analysis of Adaptive Interference
Cancellation Using Common-Mode Information in Wireline Communications,”
EURASIP Journal on Applied Signal Processing, Vol. 2007, 2007.
[43] T. Magesacher, P. Ödling, P. O. Börjesson,“Adaptive Interference Cancella-
tion using Common-Mode Information in DSL,” Proc. European Signal Processing
Conference 2005, Antalya, Turkey, September 2005.
[44] P. Ödling, P. O. Börjesson, T. Magesacher and T. Nordström,“An Approach
to Analog Mitigation of RFI,” IEEE J. Select. Area Commun., Vol. 20, No. 5,
pp. 974-986, June, 2002.

248 
6 OFDM/DMT for Wireline Communications
[45] S. Haykin, Adaptive Filter Theory, Englewood Cliffs, Prentice Hall, 1986.
[46] B. Widrow, J. R. Glover, J. M. Mccool, J. Kaunitz, C. S. Williams, R. H. Hean,
J. R. Zeidler, E. Dong, and R. C. Goodlin,“An Adaptive Noise Cancelling: Prin-
ciples and Applications,” Proc. IEEE, Vol. 63, No. 12, pp. 1692-1716, December,
1975.
[47] T. Chen, C. Tsai, T. Y. Chen,“An Intelligent Impulse Noise Detection Method
by Adaptive Subband-Based Multi-State Median Filtering,” Second International
Conference on Innovative Computing, Information and Control, ICICIC 2007,
5-7 September, 2007.
[48] W. Henkel, T. Kessler,“Simulation of ADSL over ISDN on German Subscriber
Lines,” IEEE Communications Letters, Vol. 1, No. 5,
pp. 124-126, September
1997.
[49] Draft ITU-T Recommendation G.996.1,“Test Procedures for Digital Subscriber
Line (DSL) Transceivers,” International Telecommunication Union.
[50] T. Nordström,“A model for an Austrian PE04 cable,” ETSI STC TM6, Sophia-
Antipolis, France, September 29 — October 3, 2003.
[51] L. Heylen, J. Musson,“Cable Models predict physically impossible Behaviour
in Time Domain,” ETSI TM6 Meeting, Amsterdam, Netherlands November 29
— December 1, 1999.
[52] H. Takahashi, A. A. Amin, S. L. Jansen, I. Morita, H. Tanaka, “8x66.8-Gbit/s
Coherent PDM-OFDM Transmission over 640 km of SSMF at 5.6-bit/s/Hz Spec-
tral Efficiency,” Proc. ECOC 2008, Th.3.E.4, Sept.2008.
[53] H. Takahashi, A. A. Amin, S. L. Jansen, I. Morita, H. Tanaka, “DWDM Trans-
missi on with 7.0-bit/s/Hz Spectral Efficiency using 8x65.1-Gbit/s Coherent
PDM-OFDM Signals,” Proc. OFC, PDPB7, March 2009.
[54] R.-J. Essiambre, G. Foschini, P. Winzer, G. Kramer, “Capacity Limits of Fiber-
Optic Communication Systems,” Proc. OFC, OThL1, March 2009.
[55] L. Kazovsky, S. Benedetto, A. Willner, Optical Fiber Communication Systems,
Artech House, 1996.
[56] G. P. Agrawal, Nonlinear Fiber Optics, Academic Press, 2nd edition, 1995.
[57] M. Mayrock, H. Haunstein, “Optical Monitoring for Non-Linearity Identifica-
tion in CO-OFDM Transmission Systems,” Proc. OFC, JThA58, Feb. 2008.
[58] M. Mayrock, H. Haunstein, “Monitoring of Linear and Non-linear Signal Dis-
tortion in Coherent Optical OFDM Transmission,” IEEE Journal of Lightwave
Technology, vol. 27, no. 16, pp. 3560-3566, Aug. 2009.
[59] I.P. Kaminow, T.L. Koch, Optical Fiber Telecommunications IIIB, Academic
Press, 1997.

Bibliography 249
[60] X. Zhou, J. Yu, M.-F. Huang, Y. Shao, T. Wang, P. Magill, M. Cvijetic,
L. Nelson, M. Birk, G. Zhang, S. Ten, H.B. Matthew, S.K. Mishra, “32Tb/s
(320x114Gb/s) PDM-R Z-8QAM transmission over 580km of SMF-28 ultra-low-
loss fiber,” Proc. OFC, PD PB4, March 2009.
[61] B. Beggs, “Microelectronics Advancements to Support New Modulation For-
mats and DSP Techniques,” Proc. OFC, OThE4, March 2009.
[62] T. Lotz, W. Sauer-Greff, R. Urbansky, “Iterative Demapping with Non-
Euclidean Metric for Optical COFDM Systems,” 14
th
International OFDM-
Workshop, Hamburg, Germany, Sep. 2009
[63] “Interfaces for the Optical Transport Network,” Telecommunication Standard-
ization Sector, International Telecommunication Union, G. 709, Mar. 2003.
[64] “Forward error correction for high bit rate DWDM submarine systems,”
Telecommunication Standardization Sector, International Telecommunication
Union, G.975.1, February 2004.
[65] C. Berrou , A. Glavieux, P. Thitimajshima, “Near Shannon limit error-
correcting coding and decoding: Turbo-codes,” Proc. ICC , Geneva, Switzerland,
pp. 1064-1070, May 1993.
[66] R. G. Gallager, “Low-Density Parity-Check Codes”, IRE Trans. on Info. The-
ory, Vol. IT-8, pp. 21-28, Jan. 1962.
[67] J. Hagenauer, “The Turbo Principle: Tutorial Introduction and State of the
Art”, Symposium on Turbo Codes, Brest, France, September 1997.
[68] S. ten Brink, J. Speidel, R.-H. Yan, “Iterative Demapping and Decoding for
Multilevel Modulation,” in IEEE GLOBECOM, Sydney, Australia, Vol. 1, pp.
579-584, July 1998.
[69] L. Bahl, J. Cocke, F Jelinek, J. Raviv, “Optimal Decoding of Linear Codes
for Minimizing Symbol Error Rate,” IEEE Trans. Inform. Theory, vol. 20, pp.
284-287, Mar. 1974.

251
Index

-essential support, 112
adaptive MIMO transmission, 99
adaptive modulation, 90, 98
ADC/DAC resolution, 237
automatic modulation classification, 103
basis
biorthogonal, 109
dual, 109
orthonormal, 109
Riesz, 110
BC, see broadcast channel
BCJR algorithm, 240
beamforming, 147, 100, 181, 193
low-complex, 150
BICM, see bit-interleaved coded
modulation
biorthogonal, see basis, biorthogonal
bit allocation table, 102
bit loading, 90
bit-interleaved coded modulation, 85, 116
with iterative decoding (BICM-ID), 226,
239
bit-loading, 98
broadcast channel, 83
broadcast techniques, 122
cancellation, 227, 229
channel
capacity, 98
coding, 84
correlation, 22
distance, 24
inter-site, 23, 24
intra-site, 23
link level, 23
system layout level, 23
estimation, 39
impulse response, 2
matrix, 110, 112–113
modeling, 31
deterministic, 18
double-directional, 16
geometry-based, 15, 21
stochastic, 20
multidimensional, 15
operator, 109–111
parameters
high-resolution estimation, 17
large-scale, 21
sounding, 17
state information, 85
time varying, 110
time-invariant, 110
transfer function, 3, 16, 169
Chromatic Dispersion (CD), 225
coexistence, 133
coherence bandwidth, 3
coherence time, 3
common mode, 227
compact support, 111
cooperative downlink, 24
Costa precoding, 83
cross-layer adaptation, 176, 180
crosstalk, 216
CSI
imperfect, 142

tải về 7.55 Mb.

Chia sẻ với bạn bè của bạn: