Learning-Based Beam Steering for Long-Range Orbital Angular Momentum Mode Multiplexing
Notice bibliographique
Résumé
The utilization of Orbital Angular Momentum (OAM) mode multiplexing offers a promising solution to alleviate the signal processing overhead in line-of-sight communication systems. However, concerns regarding the divergence of OAM beams have raised doubts about its practicality over long transmission distances. In this paper, we propose a novel beam steering strategy aimed at mitigating this issue by ensuring the successful reception of all OAM modes. To accomplish this objective, we present an unsupervised learning-based beam steering approach designed to individually steer each mode, thereby facilitating their reception at the receiver. We refer to this approach as Steered OAM (S-OAM). To mitigate inter-mode interference (IMI) from the steering process, we incorporate an equalizer into both the receiver and the training process. This ensures that our proposed S-OAM system is IMI-aware, improving its performance across steered OAM modes. Using S-OAM provides the flexibility of choosing the number of transmitted modes to accommodate low-capacity scenarios in low signal-to-noise ratio or long transmission distances, where a large number of modes lead to weak streams. Furthermore, the proposed approach leverages codebook-based phase shifters at the transmitter, eliminating the need for real-time calculation of phase shifter values and thereby maintaining a low level of signal processing burden at the transmit side, akin to traditional OAM transmission. Simulation results validate the efficacy of S-OAM, demonstrating its capability to generate multiple equally robust streams at the receiver with a total spectral efficiency reaching up to $0.5 \mathrm{bits} / \mathrm{sec} / \mathrm{Hz}$ from the theoretical upper bound.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».