به گزارش انرژی پرس، محمدعلی امیرآبادی با مدرک دکتری تخصصی مهندسی برق – مخابرات – سیستم از دانشگاه علم و صنعت درباره این طرح، توضیح داد: با رشد و گسترش روز افزون شبکهها و سیستمهای مخابراتی، نیاز به افزایش نرخ داده و پهنای باند به یکی از نیازهای اساسی شبکههای زیرساخت مخابراتی تبدیل شده است.
وی ادامه داد: در بین فناوریهای گوناگون مخابراتی، مخابرات نوری از دیرباز مورد علاقه محققان بوده و نقشی اساسی در انتقال ترافیک در هسته شبکههای مخابراتی دارد. این سیستم با تکیه بر محیط انتشار فیبر نوری، قادر به تأمین پهنای باند وسیع، امنیت و قابلیت اطمینان بالایی است. با این وجود، بهدلیل رشد روزافزون ترافیک تولید شده در شبکههای دسترسی و همچنین گسترش نسل پنجم، همواره محققان بهدنبال دستیابی به نرخ داده و پهنای باند بیشتر هستند.
امیرآبادی ادامه داد: اخیراً تحقیقات به سمت استفاده از فیبر نوری مبتنی بر تسهیم تقسیم فضایی برای رفع نیازهای بیان شده سوق پیدا کرده است، چرا که پاسخ مناسبی برای مشکل نرخ داده فراهم میآورد. با وجود مزایای بیان شده، عملکرد این سیستم بهدلیل وجود تزویج خطی و غیرخطی در کنار سایر اثرات فیبر نوری محدود میشود.
وی تصریح کرد: تحقیقات گوناگونی بهمنظور جبران اثرات خطی و غیرخطی در فیبر نوری انجام شده است. مسأله کاهش اثرات خطی و غیر خطی فیبر نوری در فیبر نوری مبتنی بر تسهیم تقسیم فضایی اهمیت بیشتری مییابد، چراکه در این فیبرهای نوری بین مؤلفههای فضایی مختلف تزویج خطی و غیرخطی هم ایجاد میشود که عملکرد سیستم را تحت تأثیر قرار میدهند.
وی تأکید کرد: در بحث کاهش اثرات فیبر نوری مبتنی بر تسهیم تقسیم فضایی چه در حوزه پردازش سیگنال سنتی و چه مبتنی بر یادگیری عمیق، مطالعات اندکی انجام شده است. در این پروژه روشهای مختلف پردازش سیگنال سنتی بهعنوان راهحل مناسب برای کاهش اثرات فیبر نوری مبتنی بر تسهیم تقسیم فضایی ارائه شده است.
به نقل از بنیاد ملی علم ایران (INSF)، امیرآبادی درباره اهداف انجام این طرح، گفت: یکی از اهداف این پروژه ارائه یک راهحل با پیچیدگی پایین و البته عملکرد مناسب و استفاده از الگوریتمهای مبتنی بر یادگیری عمیق برای حل مسأله پیشنهادی است.
وی در پایان خاطر نشان کرد: ارائه یک راهحل مبتنی بر یادگیری عمیق برای کاهش بار محاسباتی یک دستاورد مهم این تحقیق است، چراکه پیش از این هیچ پژوهشی در مورد کاهش اثرات خطی و غیر خطی فیبر نوری مبتنی بر تسهیم تقسیم فضایی به کمک یادگیری عمیق ارائه نشده بود.
منبع: ایسنا
source