MétaCan
Menu
Retour à la cohorte
Enregistrement W2766071491 · doi:10.1364/oe.25.028123

Intensity directed equalizer for the mitigation of DML chirp induced distortion in dispersion-unmanaged C-band PAM transmission

2017· article· en· W2766071491 sur OpenAlexaff
Kuo Zhang, Qunbi Zhuge, Haiyun Xin, Mohamed Morsy-Osman, Eslam El‐Fiky, Lilin Yi, Weisheng Hu, David V. Plant

Notice bibliographique

RevueOptics Express · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensMcGill University
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésOpticsChirpDispersion (optics)Distortion (music)Transmission (telecommunications)EqualizerMaterials scienceOptical communicationSelf-phase modulationModulation (music)PhysicsTelecommunicationsNonlinear opticsBandwidth (computing)Computer scienceAcoustics

Résumé

récupéré en direct d'OpenAlex

The directly modulated laser (DML) is one of the most cost-effective transmitter options in optical communication systems, but it introduces an additional impairment caused by the interaction between frequency chirp and chromatic dispersion for C-band transmission. In this paper, we propose a low-complexity intensity directed equalizer based on feedforward equalizer and decision feedback equalizer (FFE/DFE) to mitigate the chirp induced distortions, and remarkably improve the transmission performance of PAM signals generated by DML. The equalizer is based on the fact that the directly modulated PAM symbols with different intensity levels have different chirp frequencies, which will lead to different inter-symbol interference (ISI) contributions to their adjacent symbols due to the velocity difference caused by chromatic dispersion. To address this phenomenon, the proposed equalizer employs multiple sets of tap coefficients according to the intensity levels of PAM signals. With this equalizer and a commercial 16.8GHz DML, we demonstrate a 56Gb/s PAM4 transmission over a record 43km SSMF in the C-band without optical dispersion compensation under the 3.8 × 10−3 HD-FEC BER threshold.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,253
Écart entre enseignants0,231 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetOptical Network TechnologiesTravaux en français237 207