Increasing the Capacity of SAC-OCDMA: Forward Error Correction or Coherent Sources?
Notice bibliographique
Résumé
We consider three different strategies for maximizing the capacity while minimizing the cost of spectral amplitude coding optical code-division multiple access (SAC-OCDMA): incoherent sources, multilaser sources and forward error correction (FEC). Due to their low cost and wide optical bandwidth, incoherent sources are often considered for SAC-OCDMA. Such sources exhibit reduced spectral efficiency due to their intensity-noise- limited performance. For single user systems, coherent sources offer greater spectral efficiency and improved performance; this is not necessarily the case for OCDMA. Even coherent sources are ultimately intensity noise limited in SAC-OCDMA due to the beating of coherent signals from different users overlapping in bandwidth. The intensity noise in coherent systems can be eliminated by having the center frequencies of spectral bins be offset from nominal values by a unique differential amount for each user. This requirement, however, leads to exacting requirement for source quality control and stability, and thus greater cost. We examine via simulation how system performance is affected for coherent sources under various assumptions about the precision of frequency offsets during manufacture. Finally, we examine the effectiveness of FEC in combating intensity noise in a cost effective manner. We find that coherent sources must have precise frequency placement to outperform FEC combined with incoherent sources. FEC systems work best in networks with low statistical utilization, while multilaser systems work best under high load.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».