MétaCan
Menu
Retour à la cohorte
Enregistrement W2324785112 · doi:10.1109/jlt.2015.2494078

Digital Signal Processing for Dual-Polarization Intensity and Interpolarization Phase Modulation Formats Using Stokes Detection

2015· article· en· W2324785112 sur OpenAlexaff
Mathieu Chagnon, Mohamed Morsy-Osman, David Patel, Venkat Veerasubramanian, Alireza Samani, David V. Plant

Notice bibliographique

RevueJournal of Lightwave Technology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStokes parametersDigital signal processingComputer scienceModulation (music)WaveformSignal processingPhase-shift keyingAlgorithmBit error rateIntensity modulationElectronic engineeringPhase modulationOpticsTelecommunicationsPhysicsComputer hardwarePhase noiseEngineeringDecoding methods

Résumé

récupéré en direct d'OpenAlex

We study and compare two digital signal processing (DSP) approaches to recover the intensity on two orthogonal polarizations and the interpolarization phase modulation using a Stokes-vector direct detection receiver. We focus on higher order modulation of each of the three degrees of freedom allowed in Stokes-vector detection. 2 bits are encoded on each intensity of the two orthogonal polarizations, and 2 bits are encoded in the phase difference between the two polarizations, giving a 6 bits per symbol format. In this study, we propose a novel three-stage DSP algorithm and we compare this new algorithm with our earlier two-stage algorithm using the following metrics: the computational complexity and the bit error rate (BER) performance. Using the three stage approach, waveform filtering and derotation are applied in series rather than in parallel as was done in the two stage algorithm. We show that the three-stage approach exhibits equal BER performance, while significantly reducing the total required number of real additions and real multiplications. Moreover, tracking the state of polarization using the proposed method is m -times more efficient, where m is the number of taps in the first filtering stage.

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)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,257
Écart entre enseignants0,235 · 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

Citations45
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetOptical Network TechnologiesTravaux en français237 207