ការពិនិត្យឡើងវិញនៃក្រដាសទំនាក់ទំនងអុបទិក JLT ខែមករា ឆ្នាំ 2022 ។ ផ្នែកទី 1

ការទំនាក់ទំនងខ្សែកាបអុបទិក
Irene Estebanez et al ។ ពីវិទ្យាស្ថានរូបវិទ្យា និងប្រព័ន្ធស្មុគ្រស្មាញក្នុងប្រទេសអេស្ប៉ាញបានប្រើក្បួនដោះស្រាយ Extreme Learning Machine (ELM) ដើម្បីទាញយកទិន្នន័យដែលទទួលបាននៃប្រព័ន្ធបញ្ជូនសរសៃអុបទិក ដូចបង្ហាញក្នុងរូបភាពទី 1។ ការស្រាវជ្រាវពិសោធន៍ត្រូវបានអនុវត្តនៅក្នុងប្រព័ន្ធបញ្ជូនសរសៃអុបទិកចម្ងាយ 100 គីឡូម៉ែត្រដោយប្រើ 56GBand ម៉ូឌុលជីពចរកម្រិតបួនកម្រិត (PAM-4) និងការរកឃើញដោយផ្ទាល់។ អ្នកស្រាវជ្រាវបានណែនាំក្បួនដោះស្រាយការពន្យាពេលបម្រុង (TDRC) ជាគ្រោងការណ៍ប្រៀបធៀប ហើយបានបង្ហាញថាការទទួលយកក្បួនដោះស្រាយ ELM អាចធ្វើឱ្យការកំណត់រចនាសម្ព័ន្ធប្រព័ន្ធកាន់តែងាយស្រួល លុបបំបាត់ឥទ្ធិពលដែលមានកម្រិតនៃល្បឿនគណនាដែលបណ្តាលមកពីការពន្យាពេល និងមានដំណើរការឆ្លងកាត់ស្ទើរតែដូចគ្នានឹងការទទួលយកគ្រោងការណ៍ TDRC [1 ] គ្រោងការណ៍នេះគាំទ្រការឌិកូដដោយគ្មានកំហុសនៅពេលដែលសមាមាត្រសញ្ញាអុបទិកទៅសំឡេងរំខាន (OSNR) ធំជាង 31dB ហើយមានដំណើរការកំហុសប្រសើរជាងគ្រោងការណ៍ទទួល KK ដែលអនុវត្តដោយដំណើរការសញ្ញាឌីជីថលក្រៅបណ្តាញ (DSP) ។