MétaCan
Menu
Retour à la cohorte
Enregistrement W2474721870 · doi:10.1109/lsp.2016.2584780

Low-Complexity Design of Noninteger Fractionally Spaced Adaptive Equalizers for Coherent Optical Receivers

2016· article· en· W2474721870 sur OpenAlexaff
Syed Faisal Shah, Lei Wang, Chuandong Li, Zhuhong Zhang

Notice bibliographique

RevueIEEE Signal Processing Letters · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésAdaptive equalizerEqualization (audio)Decoupling (probability)EqualizerComputer scienceDistortion (music)Sampling (signal processing)Channel (broadcasting)AlgorithmComputational complexity theoryJoint (building)Electronic engineeringControl theory (sociology)TelecommunicationsBandwidth (computing)Artificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

In this letter, we address the design of fractionally spaced adaptive equalizers when the input signal is sampled with noninteger, subsymbol sampling. We consider the problem of joint equalization and sample rate conversion and derive a stochastic gradient-based weight update algorithm for the equalizer. This enables us to decouple the equalization of channel impairments from that of fixed (periodic) distortion arising from noninteger, subsymbol sampling. This decoupling leads to a novel low-complexity architecture for the equalizer that shows superior or equal performance as compared to the existing architectures with higher complexity.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,252
Écart entre enseignants0,204 · 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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Signal Processing LettersMême sujetOptical Network TechnologiesTravaux en français237 207