MétaCan
Menu
Retour à la cohorte
Enregistrement W4412917257 · doi:10.1515/joc-2025-0149

Effect of beam divergence angle and waterbodies on 16 QAM signal transmission in underwater communication

2025· article· en· W4412917257 sur OpenAlexaff
Rajat Paliwal, Piyush Patel, Ahmad Atieh

Notice bibliographique

RevueJournal of Optical Communications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensOptiwave Systems (Canada)
Organismes subventionnairesnon disponible
Mots-clésUnderwaterQAMDivergence (linguistics)Transmission (telecommunications)Underwater acoustic communicationSIGNAL (programming language)Beam (structure)Beam divergenceOpticsQuadrature amplitude modulationAcousticsPhysicsEnvironmental scienceTelecommunicationsElectronic engineeringGeologyComputer scienceEngineeringBeam diameterOceanographyLaser beamsChannel (broadcasting)Bit error rate

Résumé

récupéré en direct d'OpenAlex

Abstract Spectrally efficient 16 QAM system for underwater communication using commercial high-power LEDs is proposed in this letter. The transmitted beam divergence (BD) angle and the effect of 10 different types of waters are investigated to enable reliable communication. The results show that a BD angle of 0.029° is needed to achieve a maximum transmission distance of 6.9 m and 4.9 m when using Osram and Luminus LEDs, respectively. The effect of transmitted data rate on distance for the optimized BD angle show that at data rate of 0.5 Gbps Osram LED supported 6.6 m link distance, which reduced to 3.7 m for the Luminus LED in pure water. The proposed system is evaluated for 10 different types of waters at fixed data rate of 0.5 Gbps while using Luminus LED. The results show that waters with lower attenuation, such as Pure Water (PW), Jerlov I, Jerlov IA, and Clear Ocean (CL), enabled longer transmission distances of 3.7 m, 3.7 m, 3.6 m, and 3.4 m, respectively. Conversely, higher attenuation in Harbor I, Jerlov III, and Harbor II waters achieved shorter distances of 2.1 m, 1.6 m, and 1.5 m, respectively. The % Error Vector Magnitude (% EVM), Symbol Error Rate (SER), and Bit Error Rate (BER) metrics are used to evaluate the proposed system performance.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,273
Écart entre enseignants0,260 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Optical CommunicationsMême sujetOptical Wireless Communication TechnologiesTravaux en français237 207