Automatic turbulence mitigation for coherent free-space optical links using crystal-based phase conjugation and fiber-coupled data modulation
Notice bibliographique
Résumé
There are various performance advantages when using temporal phase-based data encoding and coherent detection with a local oscillator (LO) in free-space optical (FSO) links. However, atmospheric turbulence can cause power coupling from the Gaussian mode of the data beam to higher-order modes, resulting in significantly degraded mixing efficiency between the data beam and a Gaussian LO. Photorefractive crystal-based self-pumped phase conjugation has been previously demonstrated to "automatically" mitigate turbulence with limited-rate free-space-coupled data modulation (e.g., <1 Mbit/s). Here, we demonstrate automatic turbulence mitigation in a 2-Gbit/s quadrature-phase-shift-keying (QPSK) coherent FSO link using degenerate four-wave-mixing (DFWM)-based phase conjugation and fiber-coupled data modulation. Specifically, we counter-propagate a Gaussian probe from the receiver (Rx) to the transmitter (Tx) through turbulence. At the Tx, we generate a Gaussian beam carrying QPSK data by a fiber-coupled phase modulator. Subsequently, we create a phase conjugate data beam through a photorefractive crystal-based DFWM involving the Gaussian data beam, the turbulence-distorted probe, and a spatially filtered Gaussian copy of the probe beam. Finally, the phase conjugate beam is transmitted back to the Rx for turbulence mitigation. Compared to a coherent FSO link without mitigation, our approach shows up to ∼14-dB higher LO-data mixing efficiency and achieves error vector magnitude (EVM) performance of <16% under various turbulence realizations.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».