Extending a Nonlinear SNR Estimator to Include Shaping Distribution Identification for Probabilistically Shaped 64-QAM Signals
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
An estimation method for the nonlinear signal-to-noise ratio (SNR) is extended to simultaneously identify the shaping distribution for rate-adaptive probabilistically shaped (PS) 64-ary quadrature amplitude modulation (QAM) constellations. An artificial neural network (ANN) is trained with the fiber nonlinearity induced amplitude noise covariance and phase noise correlation extracted from received symbols. The identification employs estimates of the nonlinear signal-to-noise ratio (SNR <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">nl</sub> ) and nonlinear system coefficients obtained from the ANN to extract the standardized constellation moments and hence identify the shaping distribution. The data used for training are 504 input-output sets, which are obtained from a simplified MATLAB simulation for a 32 Gbaud dual polarization PS 64-QAM signal considering seven different shaping distributions and a wide range of link configurations with varying fiber lengths and number of wavelength division multiplexed channels. Validation using 180 input-output sets that include five shaping distributions corresponding to a bit rate granularity of 25 Gb/s for bit rates between 200 and 300 Gb/s, exhibits high identification success rates, albeit for a limited set of examples. Reduced success rates are achieved for five shaping distributions corresponding to a bit rate granularity of 12.5 Gb/s for bit rates between 200 and 250 Gb/s. For completeness, the identification success rate is also quantified for the case of all seven shaping distributions in the validation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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