Revizio de JLT Optical Communication papero, januaro 2022. Parto 1

Komunikado de optika fibro
Irene Estebanez et al. de La Instituto pri Fiziko kaj Kompleksaj Sistemoj en Hispanio uzis la algoritmon de ekstrema Learning Machine (ELM) por reakiri la ricevitajn datumojn de la optika fibro-transsendosistemo, kiel montrite en Figuro 1. Eksperimenta esplorado estas farita en 100km optika fibro-transsendosistemo uzante 56GBand. kvar-nivela pulsamplitudomodulado (PAM-4) kaj rekta detekto. Esploristoj enkondukis prokrastrezervalgoritmon (TDRC) kiel komparan skemon, kaj pruvis ke adopti ELM-algoritmon povas plu simpligi sisteman agordon, forigi la limigitan influon de komputika rapideco kaŭzita de tempoprokrasto, kaj havi preskaŭ la saman transceptan efikecon kiel adoptado de TDRC-skemo [1] ]. La skemo apogas seneraran malkodigon kiam la optika signalo-bruo-proporcio (OSNR) estas pli granda ol 31dB, kaj havas pli bonan eraran efikecon ol la KK-ricevskemo efektivigita per senreta cifereca Signal-prilaborado (DSP).