اعلام جامعة بابل | مناقشةرسالة طريقة الكشف القائمةعلى التعلم العميق في نظام اتصالاتG5

مناقشةرسالة طريقة الكشف القائمةعلى التعلم العميق في نظام اتصالاتG5

نشر بواسطة : سهير حسين طالب

تاريخ الخبر : 16/9/2023 59:38:01 PM

عدد المشاهدات : 121

ناقش قسم الهندسة الكهربائية في كلية الهندسة جامعة بابل رسالة الماجستير المقدمة من قبل طالب الماجستير محمد ناجح كاظم حمزة كجزء من متطلبات نيل شهادة الماجستير في اختصاص الهندسة الكهربائية حيث أشرف على الرسالة : أ.د. رائد سليم هاشم جامعة بابل كلية الهندسة .
وحملت الرسالة العنوان التالي:
طريقة الكشف القائمة على التعلم العميق في نظام اتصالات الجيل الخامس وما بعده.
Deep learning learning based detection method in 5G and beyond communication system.
ضمت اللجنة المناقشة كل من:
أ.د. ايهاب عبدالرزاق حسين جامعة بابل /كلية الهندسة رئيسا
أ.م.د. حمزة محمد رضا جامعة المستقبل /كلية الهندسة عضوا
أ.م.د.مصطفى رشيد اسماعيل جامعة بابل/كلية الهندسة عضوا
أ.د. رائد سليم هاشم جامعة بابل /كلية الهندسة عضوا ومشرفا
اجرت اللجنة المناقشة واخذت بنظر الاعتبار الجهود المبذولة واستخدام المراجع والدفاع عن الرسالة وأسلوب البحث والنتائج التي توصل اليها الباحث وتم قبول الرسالة بتقدير جيد جداً عالي
جاء في الرسالة:
ان استخدام تقنية الوصول المتعدد غير المتعامد NOMA ) ) أصبحت تقنية فعالة في أنظمة الاتصال اللاسلكي، وخاصة في الجيل الخامس والأجيال المستقبلية. حيث توفر كفاءة طيفية محسنة وتقليل في زمن الوصول، ولكن قد تتأثر كفاءتها في حالة وجود كشف إشارة غير مثالي. أحد الانظمة الواعدة في هذا المجال هو استخدام خوارزميات التعلم العميق DL) ) لكشف الاشارة وتقدير القناة. تقترح هذه الرسالة نظامين للتغلب على قيود دراسات التعلم العميق الحالية المتعلقة بنظام ال NOMA).)
النظام الأول المقترح هو الكاشف المشترك القائم على خوارزمية التعلم العميق بواسطة وحدات البوابات المتكررة GRU) )إنه نوعٌ جديد من الشبكات العصبية المتكررة( RNN) وقد حظي باهتمام واسع بسبب هيكليته البسيطة وأدائه المحسّن. على عكس الانواع الأخرى ل RNN)مثل الذاكرة طويلة –قصيرة الامد (GRU ,(LSTM يتضمن فقط بوابتين, التي تمكنه من التقاط بكفاءة المعلومات ذات الصلة خلال الفترات الزمنية وكذلك تقليل من الاعتمادية الزمنية .اما النظام الثاني المقترح هو الكاشف المشترك القائم على التعلم العميق بواسطة الشبكات العصبية التلافيفية أحادية البعد 1(-dCNN (حيث يقدم حلاً لقيود الأساليب الحالية عن طريق استخدام طبقة الالتفاف احادية الابعاد(مرشح) لاستخراج الميزات بدلاً من الاعتماد على التبعيات الزمنية لتصنيف البيانات.يظهر كلا النظامين المقترحين أداءً متفوقًا من حيث معدل خطأ الرمزSER) )على احدث انظمة التعلم العميق والطرق التقليدية الاخرى .وقد تم فحص كلا النظامين في سيناريوهات مختلفة من خلال ضبط معاملات مهمة: مثل البادئة الدورية CP) ) الناقل الفرعي التجريبي وزيادة عدد المسارات,وقد اثبت النتائج تفوقهما الواضح في هذا المجال, ولا سيما نظام 1(-dCNN ) الذي يتفوق بشكل خاص على نظام GRU) ).

اعداد:فاضل عباس
تحرير :م.م سهير حسين طالب
اعلام كلية الهندسة / جامعة بابل