منصة الرسائل والاطاريح: تصميم معوض خسائر بصري للألياف الضوئية بالاعتماد على الشبكات العصبية الاصطناعية البصرية

الخلاصة

ركزت هذه الأطروحة على تقنيات التعويض في قنوات الألياف الضوئية للخسائر الخطية وغير الخطية. ينقسم العمل في هذه الأطروحة إلى جزأين رئيسيين بناءً على تقنية التعويض المستخدمة. يتناول الجزء الأول استخدام التصميم المقترح لطريقة التعويض القائمة على اقتران الطور البصري (طيف الانعكاس البصري) لتخفيف خسائر الألياف الضوئية (الخطية وغير الخطية) في الجزء الثاني باستخدام طريقة الذكاء الاصطناعي مثل الشبكة العصبية لتعويض خسائر الألياف الضوئية. فلألياف الضوئية هي قناة الاتصال التي ينتشر فيها الضوء كما هو الحال مع أي وسيط إرسال آخر، يعد التوهين والتشتت وتضمين الطور الذاتي وتضمين الطور المتقاطع عوامل محددة لكفاءة الألياف الضوئية. لا يقتصر تحقيق خسائر الألياف الضوئية في مجال الاتصالات الضوئية فحسب، بل في ظهور مجال علمي جديد هو الألياف الضوئية غير الخطية، وتتمثل فائدة هذا المجال الجديد من العلم في التطوير المستمر لـ أساسيات التقنيات اللازمة لإدارة المعلومات. تعتبر التأثيرات غير الخطية وكذلك التأثيرات الخطية للألياف الضوئية من بين النقاط المهمة التي يجب الاهتمام بها، لأن معظم تطبيقات الألياف الضوئية تعتمد عليها. لذلك، عند دراسة الألياف الضوئية في مجال الاتصالات أو في مجال التطبيقات الطبية، فإن عملية نقل الإشارة داخل الألياف الضوئية مهمة للغاية لأن الإشارة المرسلة داخل الألياف الضوئية تعاني من التوهين والضعف بسبب هذه التأثيرات التي تقيد عمل الالياف الضوئية في مجال الاتصالات. في هذا العمل، تم اقتراح تعويض الخسارة لكلا النوعين من الخسائر الخطية، مثل التشتت والتوهين والامتصاص. تم تصميم معوضات فقدان التشتت DCF وتنفيذها للقضاء عليه داخل بمعامل تعويض مناسب. وتم استخدام مضخمات أشباه الموصلات الضوئية لتعويض الخسائر الناتجة عن توهين الإشارة. أما بالنسبة للخسائر غير الخطية فقد تم اقتراح وتصميم وتنفيذ نوعين من المعوضات. الأول هو عملية تعويض الخسائر على أساس طريقة اقتران الطور البصري. تم تصميم المعوض البصري على أساس الألياف غير الخطية HNLF وتم تنفيذه في تكوينين، أحدهما في منتصف المسار والآخر على طرفي النظام. تم الحصول على نتائج تعويض جيدة، كما تم تحسين أداء الاشارة المرسلة. تم اقتراح معوض خسارة ثان بالاعتماد على تقنية الشبكات العصبية الاصطناعية، حيث تتدرب هذه الشبكات على مخرجات النظام ومن ثم تحسين أداء النظام من خلال التحكم في القدرة المرسلة والتحكم في تغير الطور غير الخطي، كما هو موضح في النتائج. البرامج المستخدمة في هذا العمل هي Optisystim 19 و Matlab بلاستعانه بكود البايثون Python code