Digitally Linearized Radio-Over Fiber Transmitter Architecture for Cloud Radio Access Network’s Downlink
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We propose a digitally linearized radio-over fiber (RoF) downlink transmitter architecture for cloud radio access networks (C-RANs), and we demonstrate its proof of principle in the near-millimeter wave (mm-wave) range (24 GHz). Amplification of input radio frequency signal power is commonly adopted to minimize the impact of photodetection noise on the dynamic range at the receiver. Unfortunately, this amplification causes the RoF system to behave nonlinearly, leading to distortions during the electrical-optical-electrical conversion process that degrades the overall signal quality. To overcome this problem and linearize the RoF link, we propose and implement effective digital predistortion (DPD) using a memory polynomial model. Experimentally, comparing the error vector magnitude (EVM) of a 64-quadratic-amplitude modulation (QAM) 20-MHz bandwidth (BW) long-term evolution (LTE) signal modulated onto a 24-GHz carrier with and without linearization, we found a signal quality improvement by 4.2%, resulting in an EVM value of 2%. Broader LTE signals of BWs up to 100 MHz were experimentally tested to achieve EVM values below 3.5% after DPD, both for 64 and 256 QAM. It is worth highlighting that the remote radio head (RRH) unit does not require any frequency up conversion to generate the mm-wave signals and the centralized baseband unit can serve multiple remote RRHs operating at different frequencies as in C-RANs. Our results demonstrate the suitability of the proposed C-RAN transmitter architecture for next generation 5G wireless communication networks.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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