MétaCan
Menu
Retour à la cohorte
Enregistrement W2147044713 · doi:10.1109/tvt.2002.804841

Adaptive asymmetric linearization of radio over fiber links for wireless access

2002· article· en· W2147044713 sur OpenAlexaff
Xavier Fernando, A.B. Sesay

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Photonic Communication Systems
Établissements canadiensUniversity of CalgaryToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNonlinear distortionRadio over fiberTelecommunications linkCompensation (psychology)Electronic engineeringDistortion (music)Computer scienceLinearizationWirelessSIGNAL (programming language)Nonlinear systemTelecommunicationsEngineeringBandwidth (computing)Physics

Résumé

récupéré en direct d'OpenAlex

The biggest concern in the use of radio-over-fiber (ROF) links in wireless access is their limited dynamic range due to nonlinear distortion (NLD). In this paper, a higher order adaptive filter based nonlinearity compensation scheme is proposed. Pre-compensation is done for the downlink while post-compensation is done for the uplink to result in asymmetry with respect to complexity. This centralized signal processing is attractive in that it keeps the remote unit simple. Accurate measurements of ROF link parameters are not required with this approach because the filters are adapted from the distortion of the input/output base band signal. This technique also facilitates fast tracking of modifications and drifts in the link characteristics. Measurements and simulation results show that gradually saturating amplitude nonlinearity can be adequately linearized with some backoff from the clipping limit. A 42% backoff is required for pre-compensation to protect the laser while only a 16.7% backoff is required for post-compensation. Phase pre-compensation is accomplished with a higher accuracy than phase post-compensation.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,255
Écart entre enseignants0,231 · 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

Citations89
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced Photonic Communication SystemsTravaux en français237 207