Modeling and compensation of transmitter nonlinearity in coherent optical OFDM
Notice bibliographique
Résumé
We present a comprehensive study of nonlinear distortions from an optical OFDM transmitter. Nonlinearities are introduced by the combination of effects from the digital-to-analog converter (DAC), electrical power amplifier (PA) and optical modulator in the presence of high peak-to-average power ratio (PAPR). We introduce parameters to quantify the transmitter nonlinearity. High input backoff avoids OFDM signal compression from the PA, but incurs high penalties in power efficiency. At low input backoff, common PAPR reduction techniques are not effective in suppressing the PA nonlinear distortion. A bit error distribution investigation shows a technique combining nonlinear predistortion with PAPR mitigation could achieve good power efficiency by allowing low input backoff. We use training symbols to extract the transmitter nonlinear function. We show that piecewise linear interpolation (PLI) leads to an accurate transmitter nonlinearity characterization. We derive a semi-analytical solution for bit error rate (BER) that validates the PLI approximation accurately captures transmitter nonlinearity. The inverse of the PLI estimate of the nonlinear function is used as a predistorter to suppress transmitter nonlinearity. We investigate performance of the proposed scheme by Monte Carlo simulations. Our simulations show that when DAC resolution is more than 4 bits, BER below forward error correction limit of 3.8 × 10(-3) can be achieved by using predistortion with very low input power backoff for electrical PA and optical modulator.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».