MétaCan
Menu
Retour à la cohorte
Enregistrement W2545346488 · doi:10.1109/iciis.2006.365765

Improved Expression for Intensity Noise in Multimedia over Fiber Networks

2006· article· en· W2545346488 sur OpenAlexaff
Xavier Fernando

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSubcarrierSidebandModulation (music)Computer scienceModulation indexNoise (video)Subcarrier multiplexingIntensity modulationTelecommunicationsCompatible sideband transmissionElectronic engineeringPower (physics)Channel (broadcasting)PhysicsOrthogonal frequency-division multiplexingPhase noiseRadio frequencyArtificial intelligencePhase modulationAcousticsEngineeringPulse-width modulation

Résumé

récupéré en direct d'OpenAlex

The relative intensity noise (RIN) plays an important role in multimedia over fiber (MOF) networks. The RIN is conventionally considered to be proportional to the square of the mean optical power. This is true under small signal, single channel conditions. Nevertheless, experiments have shown that the RIN also increases with the modulation index m that reflects the power of the stochastic modulating signal s(t). Winston Way observed this dependency and mentioned a dynamic RIN under direct modulation conditions. Accurate characterization of the RIN is important especially in MOF systems that support multiple radio channels in subcarrier multiplexed manner in addition to digital data. Modern MOF links tend to have large carrier to sideband ratio that enhances RIN. In this paper, a mathematical expression for the RIN is derived from fundamental principles that shows the dependency of RIN on modulation index m and modulating multimedia signal power E[s <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> (t)]. The new expression better explains the excess increment of noise power in MOF systems observed many authors

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,274
Score d'incertitude au seuil0,410

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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Network TechnologiesTravaux en français237 207