MétaCan
Menu
Retour à la cohorte
Enregistrement W4206548792 · doi:10.1109/jlt.2021.3134155

Performance Oriented DSP for Flexible Long Haul Coherent Transmission

2021· article· en· W4206548792 sur OpenAlexaff
Mehdi Torbatian, Domaniç Lavery, Mohamed Morsy-Osman, Demin Yao, David S. Millar, Yuliang Gao, Aditya Kakkar, Ziad A. El-Sahn, Clayton Doggart, Ahmed E. Morra, Nashat Abughalieh, Shijun Yang, Xiang Chen, Robert Maher, Han Sun, Kuang-Tsan Wu, Parthiban Kandappan

Notice bibliographique

RevueJournal of Lightwave Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensInfineon Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésElectronic engineeringDigital signal processingTransceiverBandwidth (computing)Computer scienceOptical cross-connectOptical fiberSignal processingTransmission (telecommunications)Optical communicationOptical performance monitoringOptical communications repeaterPhysical layerOptical Transport NetworkFiber-optic communicationPassive optical networkFiber optic splitterWavelength-division multiplexingTelecommunicationsEngineeringWirelessFiber optic sensorMaterials scienceOptoelectronics

Résumé

récupéré en direct d'OpenAlex

In long haul optical fiber communication networks, whichcan span thousands of kilometers, bandwidth is at a premium due to the relatively low availability of optical fibers when compared with network traffic demands. Therefore, these networks require the highest performance in the physical layer, with transceivers that are capable of extracting all the available capacity from each optical fiber. Digital coherent transmitters and receivers, which enhance optical transmission systems by using digital signal processing, are essential for achieving this goal. This tutorial discusses the digital signal processing techniques that are used in the design of high performance coherent modems to compensate for adverse channel effects such as fiber impairments and optoelectronic device non-idealities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetOptical Network TechnologiesTravaux en français237 207