MétaCan
Menu
Retour à la cohorte
Enregistrement W2033295566 · doi:10.1364/oe.19.004472

Dispersion-enhanced phase noise effects on reduced-guard-interval CO-OFDM transmission

2011· article· en· W2033295566 sur OpenAlexaff
Qunbi Zhuge, Chen Chen, David V. Plant

Notice bibliographique

RevueOptics Express · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGuard intervalSubcarrierOrthogonal frequency-division multiplexingPhase noiseBit error ratePolarization mode dispersionOpticsDispersion (optics)EstimatorTransmission (telecommunications)Computer scienceElectronic engineeringPhysicsTelecommunicationsMathematicsStatisticsEngineeringDecoding methods

Résumé

récupéré en direct d'OpenAlex

Unlike conventional CO-OFDM systems, we show in this paper that reduced-guard-interval (RGI) CO-OFDM systems experience subcarrier-dependent phase noise (PN) from the local oscillator laser. This phenomenon manifests in RGI-CO-COFM systems because the chromatic dispersion (CD) induced walk-off becomes comparable to the OFDM symbol length. We term this phenomenon the dispersion enhanced PN (DEPN). In this work an analytical study of the impact of DEPN on CO-OFDM transmission is conducted. We develop a system-level analytical model and calculate the variance of the dispersion-induced subcarrier-dependent phase rotation term (PRT) using two different distribution patterns of pilot subcarriers (PS). Moreover, we present a bit error rate (BER) estimator to quantify the system performance degradation due to PRT. Numerical simulations are then performed to verify the analytical model. Finally, we propose a grouped maximum-likelihood (GML) phase estimation approach to mitigate the DEPN impairment, and demonstrate a 0.7-1.7 dB SNR improvement at BER=10⁻³ for typical 100 Gb/s RGI CO-OFDM systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 GPT0,250
Écart entre enseignants0,234 · 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

Citations30
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetOptical Network TechnologiesTravaux en français237 207