MétaCan
Menu
Retour à la cohorte
Enregistrement W2008238330 · doi:10.1109/lpt.2012.2202316

Ultrafast All-Optical Wavelet Transform Based on Temporal Pulse Shaping Incorporating a 2-D Array of Cascaded Linearly Chirped Fiber Bragg Gratings

2012· article· en· W2008238330 sur OpenAlexaff
Ming Li, Jianping Yao

Notice bibliographique

RevueIEEE Photonics Technology Letters · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Fiber Laser Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésUltrashort pulseOpticsFiber Bragg gratingWavelet transformWaveletDiscrete wavelet transformComputer sciencePhysicsMaterials scienceOptical fiberLaser

Résumé

récupéré en direct d'OpenAlex

An all-optical wavelet transformer used to analyze a high-speed and broadband electrical signal is proposed and demonstrated for the first time to our knowledge. The wavelet transform is implemented based on a temporal pulse shaping system incorporating a 2-D array of cascaded linearly chirped fiber Bragg gratings (LCFBGs). An electrical signal to be analyzed is applied to a Mach-Zehnder modulator to modulate the optical spectrum of a time-stretched optical pulse from a mode-locked laser. Each individual LCFBG in the 2-D array functions as a wavelet filter to filter a specific range of the spectrum, which is equivalent to applying a window function to the corresponding section of the temporal signal, and at the same time, as a dispersive element to perform real-time Fourier transform. A Mexican Hat wavelet is employed to implement the optical wavelet transform, which can be achieved based on a specially designed LCFBG. A theoretical analysis is performed which is verified by a proof-of-concept experiment. The key feature of this technique is that it can perform multiresolution time-frequency analysis of an ultrahigh-speed electrical signal, which can give good time resolution for high-speed signals, and good frequency resolution for low-speed signals.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,254
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Photonics Technology LettersMême sujetAdvanced Fiber Laser TechnologiesTravaux en français237 207