MétaCan
Menu
Retour à la cohorte
Enregistrement W4402642321 · doi:10.1016/j.rineng.2024.102941

Performance investigation of UOWC system based on OAM beams for various Jerlov water types

2024· article· en· W4402642321 sur OpenAlexaff
Mehtab Singh, Ahmad Atieh, Hassan Yousif Ahmed, Medien Zeghid, Kottakkaran Sooppy Nisar, Belgacem Bouallègue

Notice bibliographique

RevueResults in Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensOptiwave Systems (Canada)
Organismes subventionnairesDeanship of Scientific Research, King Khalid University
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

This paper introduces a novel high-speed underwater optical wireless communication (UOWC) system employing three distinct orbital angular momentum (OAM) beams. A single green laser source operating at 532 nm generates these beams: LG 0 , 0 , LG 0 , 20 , and LG 0 , 50 , each transmitting data at 10 Gbps. The paper provides a comprehensive analysis of absorption and scattering coefficients for five Jerlov water types: I (JI), IA (JIA), IB (JIB), II (JII), and III (JIII). Simulation results demonstrate the system ability to transmit multiple data streams simultaneously using distinct OAM modes, achieving an overall capacity of 30 Gbps. The longest underwater (UW) transmission distance of 22 m is achieved in JI water as it exhibits the lowest attenuation. This range decreases by 9.09 %, 31.82 %, 59.09 %, and 80.91 % in JIA, JIB, JII, and JIII, respectively, due to increased attenuation in these water types. These results are obtained with a log (BER) below −5 and a Q-factor above 4, indicating successful data reception. The findings highlight the potential of OAM multiplexing for enhancing data capacity in challenging underwater environments. • A new UOWC system is proposed based on using OAM beams. • The performance is investigated under 5 different Jerlov water conditions. • Scattering and absorption coefficients of Jerlov waters are calculated at 532 nm.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,183 · 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'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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResults in EngineeringMême sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207