اعلام جامعة بابل | تحسین الضعف البصري غیر الخطي لنظام النقل الضوئي

تحسین الضعف البصري غیر الخطي لنظام النقل الضوئي

نشر بواسطة : سهير حسين طالب

تاريخ الخبر : 29/6/2022

عدد المشاهدات : 241

تم مناقشة الاطروحة المقدمة الى كلية الهندسة في جامعة بابل كجزء من متطلبات نيل درجة الدكتوراه في الهندسة / الهندسة الكھربائية / الكترونيك واتصالات من قبل علاء حمود عبد جراح و حملت العنوان الموسوم :
تحسين الضعف البصري غير الخطي لنظام النقل الضوئي بالاعتماد على الشبكة العصبية العميقة
Enhancement the Nonlinear Optical Impairment of the Fiber Transmission System Based on Deep Neural Network
وتألفت لجنة المناقشة كل من :
أ.د. هادي طارش زبون - كلية السلام الجامعة - رئيسا , أ. د. ايهاب عبد الرزاق حسين – كلية الهندسة – جامعة– بابل عضوا , أ. د. ثامر رشيد سعيد – الجامعة التكنولوجية – قسم الهندسة الكهربائية – عضوا , أ.د.قاسم كرم عبد الله - كلية الهندسة – جامعة بابل – عضوا ,أ.د.قيس كريم عمران - كلية الهندسة – جامعة بابل – عضوا , أ.د. ابراھيم عبد لله مرداس - كلية الهندسة – جامعة بابل – عضوا ومشرفا .
تناولت الاطروحة :
نما الطلب العالمي على حركة البيانات الضخمة بشكل كبير خلال السنوات الماضية وسيتجاوز الطلب المستقبلي قدرة العمود الفقري الحالي للإنترنت، حيث تشكل أنظمة الألياف الضوئية البنية التحتية المركزية له. لذلك، يعد تحسين الأداء أمرًا ضروريًا لهذه الأنظمة وجعلها أكثر مرونة وقابلة للتطوير لتلبية هذا الطلب المتزايد.تتطلب هذه القيود نماذج أفضل لقنوات الألياف الضوئية وأنظمة الإرسال مع أفضل الطرق للتحسين والمعالجة، مما يؤدي هذا إلى زيادة التكلفة والتعقيد. لذلك، يمكن اعتبار الخوارزميات المستقلة والفعالة حلاً جيدًا في الوقت الحالي للمساعدة في تحسين كفاءة هذه الأنظمة.اعتمدت الخوارزميات التقليدية على طريقة Split-Fourier (SSFM) تقسيم فورير وطرق الانتشار العكسي الرقمي (DBP) من خلال إيجاد الحل المقدر لـ "معادلة شرود نغر غير الخطية (NLSE)" ، لمعالجة التحدي الأكثر جوهرية الذي يواجه مثل هذه الأنظمة وهو الانحطاط غير الخطي ، لكن تنفيذه يتطلب الكثير من الموارد لمعالجة الإشارات بالإضافة إلى فهم دقيق وعالي المستوى لهذه الأنظمة. بينما تعد خوارزميات الذكاء الاصطناعي (AI) بتقديم أفضل الحلول للتحديات المستقبلية الموصوفة من خلال استخدامها لتحديد وحل أوجه القصور في الأنظمة المعقدة للغاية والبيئات المعقدة دون الحاجة إلى تطوير نموذج للأجهزة (المادية).طبقت هذه الأطروحة التعلم الآلي على أساس الشبكة العصبية العميقة (DNN) كطريقة تعلم تحت الإشراف للأنظمة البصرية لرفع مستوى أدائها. اقترحت هذه الدراسة بناء تقنية NLC للتعويض عن الانحطاط غير الخطي الذي يحدث في أنظمة الاتصالات البصرية. تم تصميم النظام ومحاكاته بالكامل في الوقت الفعلي باستخدام تطبيق MATLAB. (V.2020a) مع تطبيق Optisystem. (الإصدار 17.0.0) وان الاختبار / التحسين تم إجراؤه في ثلاثة اتجاهات:أولاً: في أنظمة بصرية متماسكة أحادية الاستقطاب مع 4-16 تشكيل QAM مع وبدونOFDM متعدد الموجات الحاملة الفرعية ، يتم نقله عبر الألياف أحادية الوضع القياسية أحادية الموجة (SSMF) بسرعة 60 جيجابت في الثانية لمسافة ارتباط تبلغ 3000 كيلو متر.ثانيًا ، في الاستقطاب الأحادي ، الأنظمة البصرية المتماسكة مع تعديل 16QAM مع ناقل فرعي متعدد OFDM وتعدد إرسال بتقسيم الطول الموجي 8 قنوات WDM مع تباعد تردد 40 جيجاهرتز ، يتم نقله عبر مسافة ارتباط في ألياف أحادية الوضع (SSMF) قياسية 3000 كيلو متر مع 480 جيجابت في الثانية تمامًا.أخيرًا ، في الاستقطاب المزدوج ، والأنظمة البصرية المتماسكة مع تعديل 16QAM ، وتعدد الإرسال بتقسيم الطول الموجي 8 قنوات WDM مع تباعد تردد 37.5 جيجاهرتز (3 نانومتر) ، يتم نقله عبر مسافة ارتباط ألياف أحادية الوضع (SSMF) قياسية 3000 كيلو متر مع تمامًا 960 جيجابت في الثانية.أظهرت النتائج المحققة كفاءة التصميم المقترح والتحسن الملحوظ في الأداء ، خاصة في معدل البيانات ومدى الارتباط مقارنة بالأعمال المماثلة.
/// وفاء هاشم الحسيني ///