MétaCan
Menu
Retour à la cohorte
Enregistrement W4385154226 · doi:10.1109/jlt.2023.3297615

Low-Complexity Zipper-LDPC and Low-Latency Zipper-BCH Concatenated Codes

2023· article· en· W4385154226 sur OpenAlexaff
Masoud Barakatain, Yoones Hashemi, Bashirreza Karimi, Hamid Ebrahimzad, Chuandong Li

Notice bibliographique

RevueJournal of Lightwave Technology · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueError Correcting Code Techniques
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésBCH codeConcatenated error correction codeLow-density parity-check codeSerial concatenated convolutional codesZipperComputer scienceForward error correctionReed–Solomon error correctionDecoding methodsError detection and correctionTurbo codeAlgorithmBlock code

Résumé

récupéré en direct d'OpenAlex

A novel concatenated forward error correction (FEC) scheme is proposed that consists of an inner zipper framework with low-density parity-check component codes and an outer zipper framework with BCH component codes. The proposed soft-decision inner codes have a universal, flexible, and implementation-friendly structure with low decoding complexity. The inner code is error-reducing, tasked with reducing the error rate on bits passed to the outer hard decision code below its threshold. The proposed outer codes have ultra-low overhead and are designed to have small decoding memory and latency. Computer simulations show that the proposed zipper-BCH codes can reduce the decoding latency and required memory by up to a factor of 30, compared to the conventional zipper codes, while maintaining a minimal performance loss. The proposed scheme is considered with higher-order modulation with both multi-level coding and bit-interleaved coded modulation. Simulations show that the concatenated FEC scheme can provide a 0.1 dB gain over the state-of-the-art FEC designs, making it a highly attractive FEC solution for high-throughput optical communication systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,118
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
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 Opus0,025
Tête enseignante GPT0,280
Écart entre enseignants0,255 · 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.

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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetError Correcting Code TechniquesTravaux en français237 207