MétaCan
Menu
Retour à la cohorte
Enregistrement W2149405857 · doi:10.1109/jlt.2009.2015584

Moment-Generating Function Method Used to Evaluate the Performance of a Linear Optical Communication System

2009· article· en· W2149405857 sur OpenAlexaff
Liang Chen, Zhongxi Zhang, Xiaoyi Bao

Notice bibliographique

RevueJournal of Lightwave Technology · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPolarization mode dispersionBit error rateAmplified spontaneous emissionMoment-generating functionOptical communicationPhase-shift keyingPolarization (electrochemistry)Electronic engineeringRandom variableOpticsAlgorithmMoment (physics)KeyingMathematicsPhysicsTelecommunicationsComputer scienceDispersion (optics)StatisticsEngineeringQuantum mechanicsDecoding methods

Résumé

récupéré en direct d'OpenAlex

The moment-generating function (MGF) of the received photoelectric current is evaluated for a linear optical communication system consisting of distributed amplified spontaneous emission (ASE), polarization-mode dispersion (PMD), and polarization dependent loss (PDL). Using this function, optical performance characterization based on the bit error rate (BER), Q-factor, and signal-to-noise ratio (SNR), can be evaluated. As an example of the applicability to binary differential phase-shift keying (DPSK) systems with defined PDL, the BER results predicted by linked model and lumped model are compared. Our results indicate that the difference can be orders of magnitude when the PDL is larger than 2.5 dB. Additionally, random PDL induced statistical feature of the BER is entirely different for these two models. Finally, relations between the statistical variations of other performance parameters ( Q-factor and SNR) and link model parameters (input signal polarization, average PDL value, and link number <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">K</i> ) are also investigated.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,379
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,275
Écart entre enseignants0,256 · 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

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetOptical Network TechnologiesTravaux en français237 207