MétaCan
Menu
Retour à la cohorte
Enregistrement W2083421305 · doi:10.1117/12.472897

Dispersion-induced signal distortion in cascaded OADMs

2003· article· en· W2083421305 sur OpenAlexaff
Haiqing Wei, Hwan J. Jeong, Aly F. Elrefaie, David V. Plant

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésOptical add-drop multiplexerDispersion (optics)Wavelength-division multiplexingOffset (computer science)Optical filterMultiplexerOptical performance monitoringChannel spacingOpticsComputer scienceModal dispersionBandwidth (computing)Electronic engineeringMultiplexingTelecommunicationsOptical fiberDispersion-shifted fiberPhysicsEngineeringWavelengthFiber optic sensor

Résumé

récupéré en direct d'OpenAlex

The optical add/drop multiplexer (OADM) is an important device in modern optical networks. Optical filters in OADMs often introduce group-velocity dispersion (GVD) and/or slope of GVD, the accumulation of which could distort the signals significantly. A computer model is built for commercial filters, accounting for the filtering gain and dispersion characteristics. When the model is incorporated into a network simulator, the filter dispersion is found to severely limit the number of OADMs that may be cascaded when transmitting 40Gb/s WDM signals with a channel spacing of 100GHz. As such high spectral efficiency difficult to achieve, the next considerations would be to transmit 40Gb/s over 200GHz channel spacing, or 10Gb/s over 50GHz channel spacing. The dispersion problem is mitigated, but still an un-negligible factor of limitation. For a large OADM network size, low-dispersion filters should be used, or a proper dispersion compensator is needed to offset the filter dispersion.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,203 · 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'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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical Network TechnologiesTravaux en français237 207