Enhanced Regular Perturbation-Based Nonlinearity Compensation Technique for Optical Transmission Systems
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
The regular perturbation (RP) series used to analytically approximate the solution of the nonlinear Schrodinger equation has a serious energy-divergence problem when truncated to the first order. The enhanced RP (ERP) method can improve the accuracy of the first-order RP approximation by solving the energy divergence problem. In this paper, we propose an ERP-based nonlinearity compensation technique, referred to as ERP-NLC, to compensate for the fiber nonlinearity in a polarization-division multiplexed dispersion unmanaged optical communication system. We also propose a modified perturbation-based NLC (PB-NLC) technique by simple phase-rotation (PR) of the nonlinear coefficient matrix, referred to as the PR-PB-NLC. The PR-PB-NLC can be considered as a by-product of the ERP-NLC technique. We show through numerical simulation that, for a 256 Gb/s single-channel system, the proposed ERP-NLC technique improves the Q-factor performance by ~1.2 dB and ~0.6 dB when compared to the electronic dispersion compensation (EDC) and the PB-NLC techniques, respectively, at a transmission distance of 2800 km. Also, the result for a 1.28 Tb/s wavelength-division multiplexed five-channel transmission system at the same transmission distance shows that the Q-factor performance of the ERP-NLC technique is improved by ~0.6 dB and ~0.4 dB when compared to the EDC and the PB-NLC techniques, respectively. The simulation results for the PR-PB-NLC technique for a single- or five-channel transmission system show an improved Q-factor performance when compared to the EDC and PB-NLC techniques. Finally, we show that the proposed performance enhancement comes with a negligible increase in the computational complexity for the ERP-NLC and PR-PB-NLC techniques when compared to the PB-NLC technique.
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 | 0,001 |
| 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