MétaCan
Menu
Retour à la cohorte
Enregistrement W2894126555 · doi:10.1109/icton.2018.8473664

Training-Aided Joint Frame and Frequency Synchronization for THP FTN Coherent Optical Systems

2018· article· en· W2894126555 sur OpenAlexaff
Shu Zhang, Oluyemi Omomukuyo, Octavia A. Dobre, Xiang Lin, Deyuan Chang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésQAMComputer scienceQuadrature amplitude modulationAlgorithmBit error rateEqualiserNyquist–Shannon sampling theoremSignal-to-noise ratio (imaging)Electronic engineeringFrequency offsetDecoding methodsOrthogonal frequency-division multiplexingTelecommunicationsEngineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

A joint frame and frequency synchronisation algorithm is proposed for Tomlinson-Harashima precoding-based faster-than-Nyquist (FTN) coherent optical systems. The algorithm is developed by using training sequences based on Golay complementary sequences. Simulation results of a 32-Gbaud FTN system show that the algorithm provides accurate estimates over an optical signal-to-noise ratio (OSNR) range from 10 to 25 dB. When considering the first-order polarisation mode dispersion and using these same training sequences for the equaliser, the algorithm works properly and gives performance similar to when the frequency offset is perfectly known. The required OSNR at a bit error rate of 2×10−2 is about 13 dB and 18.8 dB for 4-QAM and 16-QAM systems, respectively.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,462

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 Opus0,034
Tête enseignante GPT0,234
Écart entre enseignants0,201 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Network TechnologiesTravaux en français237 207