MétaCan
Menu
Retour à la cohorte
Enregistrement W2171117209 · doi:10.1109/ccece.2004.1347643

A dynamic multi-wavelength simulink model for EDFA

2004· article· en· W2171117209 sur OpenAlexaff
S. Pintér, Jean Jiang, Xavier Fernando

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésOptical amplifierAmplified spontaneous emissionWavelength-division multiplexingErbiumFiber amplifierAmplifierWavelengthNoise (video)Erbium doped fiber amplifierComputer scienceOpticsElectronic engineeringMaterials sciencePhysicsTelecommunicationsEngineeringBandwidth (computing)Laser

Résumé

récupéré en direct d'OpenAlex

The erbium doped fiber amplifier (EDFA) is an imperative element in DWDM networks. This all-optical amplifier enables simultaneous amplification of multiple wavelengths. Nevertheless, uneven gain across the usable wavelength region remains a concern. Understanding and modelling the dynamic characteristics of an EDFA is an important step towards achieving a flat gain spectrum. A Simulink model for investigating EDFA dynamics has been developed by Novak and Gieske (2002). Following their work, we have developed an enhanced version of the EDFA Simulink model with more capabilities. Previous results were verified for the given doped fiber length without noise. In addition, the forward amplified spontaneous emission (ASE) noise is added to the model and the optimum length is determined (with and without considering ASE) by simulation and used in all subsequent stages. A significant addition to the model is the ability to handle multiple channels using the absorption and emission coefficients previously obtained experimentally. The resulting model accurately represents EDFA gain dynamics and forward ASE. Simulation results show a 12 dB gain fluctuation across a 40 mn window per EDFA.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

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)0,0000,000

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 GPT0,244
Écart entre enseignants0,225 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Network TechnologiesTravaux en français237 207