Zobrazeno 1 - 10
of 1 146
pro vyhledávání: '"digital backpropagation"'
This work proposes a novel low-complexity digital backpropagation (DBP) method, with the goal of optimizing the trade-off between backpropagation accuracy and complexity. The method combines a split step Fourier method (SSFM)-like structure with a si
Externí odkaz:
http://arxiv.org/abs/2409.14489
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
The Journal of Engineering, Vol 2023, Iss 12, Pp n/a-n/a (2023)
Abstract Capacity crunch has become critical in recent years as commercial communication systems approach their theoretical data rate limits. This work presents a low‐complexity digital backpropagation (DBP) implementation approach based on step si
Externí odkaz:
https://doaj.org/article/1f1a56cb3dea43eeab014af188fff1fe
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
A novel technique for digital backpropagation (DBP) in wavelength-division multiplexing systems is introduced and shown, by simulations, to outperform existing DBP techniques for approximately the same complexity.
Comment: The manuscript has bee
Comment: The manuscript has bee
Externí odkaz:
http://arxiv.org/abs/2102.08215
Autor:
Josh W. Nevin, Eric Sillekens, Ronit Sohanpal, Lidia Galdino, Sam Nallaperuma, Polina Bayvel, Seb J. Savory
Publikováno v:
Data-Centric Engineering, Vol 4 (2023)
We present a novel methodology for optimizing fiber optic network performance by determining the ideal values for attenuation, nonlinearity, and dispersion parameters in terms of achieved signal-to-noise ratio (SNR) gain from digital backpropagation
Externí odkaz:
https://doaj.org/article/32ab219ca16e4b78a53f44de4ae1dd7d
In this paper, we propose a model-based machine-learning approach for dual-polarization systems by parameterizing the split-step Fourier method for the Manakov-PMD equation. The resulting method combines hardware-friendly time-domain nonlinearity mit
Externí odkaz:
http://arxiv.org/abs/2010.12313
We propose a model-based machine-learning approach for polarization-multiplexed systems by parameterizing the split-step method for the Manakov-PMD equation. This approach performs hardware-friendly DBP and distributed PMD compensation with performan
Externí odkaz:
http://arxiv.org/abs/2001.09277
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.