MétaCan
Menu
Retour à la cohorte
Enregistrement W3134825452 · doi:10.1109/jphot.2021.3064997

Experimental Demonstrations of Matching Filter-Free Digital Filter Multiplexed SSB OFDM IMDD Transmission Systems

2021· article· en· W3134825452 sur OpenAlexaff
Zhuqiang Zhong, Wei Jin, Yixian Dong, Abdulai Sankoh, Jiaxiang He, Yanhua Hong, R. P. Giddings, I. Pierce, Maurice OaSullivan, Jeffrey Lee, G. Mariani, Tim Durrant, Jianming Tang

Notice bibliographique

RevueIEEE photonics journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensCiena (Canada)
Organismes subventionnairesEuropean Regional Development FundLlywodraeth Cymru
Mots-clésComputer scienceElectronic engineeringOrthogonal frequency-division multiplexingTransmission (telecommunications)Filter (signal processing)Digital signal processingSidebandMultiplexingModulation (music)Design for manufacturabilityDigital filterCompatible sideband transmissionChannel (broadcasting)TelecommunicationsPhysicsComputer hardwareEngineeringElectrical engineeringRadio frequencyAcoustics

Résumé

récupéré en direct d'OpenAlex

Matching filter (MF)-free digital filter multiplexed (DFM) single sideband (SSB) OFDM intensity modulation and direct detection (IMDD) dual-channel transmissions of 51.25Gbit/s over 25km SSMFs are experimentally demonstrated. It is shown that both transmission system impairments and digital filter characteristic variations can only lead to <1dB transmission performance degradations. Compared with the MF-free DFM-based double sideband (DSB) OFDM technique, the SSB technique has a similar receiver DSP complexity and provides almost twice the maximum signal transmission capacity. When compared with a conventional DFM technique incorporating a dedicated shaping and matching filter pair for each channel, the present SSB technique achieves a 10-fold reduction of receiver DSP complexity and 7.82Gbit/s of additional signal transmission throughput. We demonstrate these throughput and complexity advantages by modelling and measurement.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,793

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 recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,211 · 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'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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE photonics journalMême sujetOptical Network TechnologiesTravaux en français237 207