MétaCan
Menu
Retour à la cohorte
Enregistrement W2027236797 · doi:10.1364/ao.44.004368

Effect of encoder–decoder mismatch due to wavelength and time misalignments on the performance of two-dimensional wavelength–time optical code-division multiple access systems

2005· article· en· W2027236797 sur OpenAlexaff
Rhys Adams, Lawrence R. Chen

Notice bibliographique

RevueApplied Optics · 2005
Typearticle
Langueen
DomaineEngineering
Thématiquegraph theory and CDMA systems
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésOpticsWavelengthEncoderWavelength-division multiplexingComputer scienceCode (set theory)Division (mathematics)OptoelectronicsMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

We examine the effects of encoder and decoder mismatch due to wavelength and time chip misalignments on the bit-error rate (BER) performance of two-dimensional (2D) wavelength--time optical code-division multiple access systems. We investigate several instances of misalignment in the desired user encoder and decoder as well as in the interfering user encoders. Our simulation methodology can be used to analyze any type of 2D wavelength--time code family as well as probability distribution for misalignment. For illustration purposes, we consider codes generated by use of the depth-first search algorithm and a Gaussian distribution for the misalignment. Our simulation results show that, in the case of a misalignment in either wavelength or time chip, the variance of the distribution for the misalignment must be below 0.01 for the corresponding degradation in the BER system's performance to be less than 1 order of magnitude compared with that when there is no mismatch between the encoders and decoders. The tolerances become even more strict when misalignments in both wavelength and time chips are considered. Furthermore, our results show that the effect of misalignment in wavelength (time chips) is the same regardless of the number of wavelengths (time chips) used in the codes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,933

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,220
Écart entre enseignants0,213 · 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.

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

Citations6
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetgraph theory and CDMA systemsTravaux en français237 207