EGN-Based Optimization of the APSK Constellations for the Non-Linear Fiber Channel Based on the Symbol-Wise Mutual Information
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 proposean optimization scheme to maximize symbol-wise mutual information (MI) of the amplitude-phase shift keying (APSK) constellations. We optimize APSK constellations for the additive white Gaussian noise (AWGN) channel and non-linear fiber channel. For the fiber channel, the optimization is based on the enhanced Gaussian noise (EGN) model and is performed at the maximum modified signal-to-noise ratio (SNR) of the optical system. By doing so, our optimization algorithm maximizes the MI rate while the impacts of shaping on the non-linear interference noise (NLIN) power are considered. Our results show that by optimizing APSK constellations specifically for the fiber channel, significant reach improvements can be achieved. In addition, by using the mutual information formula and assuming a model for the radius of the APSK rings, we obtain an equation that provides the optimal APSK radii based on that model. After demonstrating the accuracy of this model, we compare the optimized APSKs of the AWGN and fiber channel and show that in the AWGN channels, the optimal radius of the rings grows with the ring number faster than the radii of the APSKs optimized for the fiber channel. Our results indicate that in the highly non-linear regimes of the fiber channel, geometric shaping has to be performed for the fiber since AWGN-based shaping gives poor performance.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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