MétaCan
Menu
Retour à la cohorte
Enregistrement W1979658531 · doi:10.1364/oe.15.002106

Combined PMD-PDL effects on BERs in simplified optical systems: an analytical approach

2007· article· en· W1979658531 sur OpenAlexaff
Liang Chen, Zhongxi Zhang, Xiaoyi Bao

Notice bibliographique

RevueOptics Express · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPolarization mode dispersionOpticsBit error rateStokes parametersPolarization (electrochemistry)Optical communicationIntersymbol interferencePhysicsComputer scienceOptical fiberTelecommunicationsScattering

Résumé

récupéré en direct d'OpenAlex

A new analytical evaluation of polarization-induced error probability for optical systems consisting of both PMD and PDL is presented. Using a simplified model containing a lumped PMD-PDL fiber, an amplifier with ASE noise, an idealized optical filter, and an electrical filter with integrate-and-dump response, a closed-form of the probability density of the filtered current is obtained. This allows us to evaluate the BER affected by the PMD and PDL. Based on this, two polarization related effects, i.e., the PMD and PDL directional coupling and the polarization-induced intersymbol interference (ISI), are studied. We show that the PMD and PDL directional coupling can be strongest when the PMD vector perpendicularly correlates with both the PDL vector and the input signal polarization in the 3D Stokes space. Besides, its impact on bit-error-rate (BER) strongly depends on the PDL value. We also find that, for an optical system with realistic parameters, the impact of polarization-induced ISI on the BER is mostly caused by the two closest neighbors of the desired bit. Related with these two polarization effects is the PMD value fluctuation. Large PMD value variation can play an overwhelming role in impairing the optical performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,245
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetOptical Network TechnologiesTravaux en français237 207