FetalNet 1.0：基于TOPSIS的集成学习方法，结合遗传特征选择和SHAP可解释性技术，用于通过心电监护图进行胎儿健康分类 作者：Shweta、Neha Gupta、Meenakshi Gupta、Massimo Donelli、Yogita Arora 和 Achin Jain

《Computers》：FetalNet 1.0: TOPSIS-Guided Ensemble Learning with Genetic Feature Selection and SHAP Explainability for Fetal Health Classification from Cardiotocography Shweta, Neha Gupta, Meenakshi Gupta, Massimo Donelli, Yogita Arora and Achin Jain

　　

摘要

将后量子数字签名（PQDS）算法集成到相干波分复用（WDM）光网络中，会引入不可忽视的加密开销，这从根本上改变了物理层的性能特性。与以往将安全性和传输性独立考虑的传统研究不同，本研究在现实的、与DSP对齐的条件下，对PQDS引起的有效载荷扩展及其对相干光系统行为的影响进行了跨层评估。本文提出了一个结构化且可复制的评估框架，系统地分析了从单通道QPSK基线到同时使用QPSK和16QAM调制格式的16通道WDM系统等多种传输场景下的这种相互作用。关键系统参数（包括发射功率、本振器功率、比特率和光纤长度）被联合优化，同时从比特错误率（BER）、Q因子和最大传输距离等方面严格评估了系统性能。研究结果表明，性能下降趋势明显，这是由频谱效率降低和加密有效载荷扩展共同导致的。单通道QPSK系统的最大传输距离为203公里，而在16通道WDM QPSK配置中由于信道间干扰和非线性效应，这一距离降至194公里。相比之下，16通道WDM 16QAM系统的传输距离显著缩短至103公里，这反映了其对噪声、色散和光纤非线性的更高敏感性。此外，与PQDS方案相关的有效载荷增加被证明会通过延长帧持续时间和加剧信道间相互作用而加剧传输性能恶化。这些发现表明，PQDS引入的开销是一个关键的系统级约束因素，直接决定了传输效率、可扩展性和性能极限。研究强调了跨层协同设计的必要性，即需要共同优化加密机制和物理层参数，以实现高效、可靠且量子安全的相干光通信系统。