تقنيات تعلم الآلة في أنظمة WDM-FSO: دراسة مقارنة

الملخص

حظيت الاتصالات الضوئية في الفضاء الحر (FSO) باهتمام كبير من قبل الباحثين في الآونة الأخيرة لما لها من مميزات كبيرة. يوفر FSO نطاقًا تردديًا كبيرًا، وسهولة التثبيت والنشر، والأمان مقارنة بأنظمة الاتصالات اللاسلكية الأخرى، كما أن أنظمة FSO لا تحتاج إلى ترخيص طيفي مقارنة بأنظمة الترددات الراديوية، مما يجعل FSO نظام اتصالات مهمًا ومتقدمًا. ومع ذلك، فإن أنظمة FSO غالبًا ما تكون لها عيوب. أحد عيوب اتصالات FSO هو ضرورة تحقيق خط البصر (LOS) بين المرسل والمستقبل، وتتطلب هذه التقنية (FSO) ظروف مناخية واضحة وخالية من الاضطرابات بين المرسل والمستقبل من أجل الحصول على إرسال ناجح وضمان توصيل المعلومات بشكل صحيح. لقد تم إدخال تقنيات الذكاء الاصطناعي على نطاق واسع في أنظمة الاتصالات البصرية في السنوات الأخيرة، وخاصةً إدخال التنبؤ بأداء هذه الأنظمة. يقدم هذا البحث تجارب حول تصميم ومحاكاة نظام FSO مع تعديل تعدد الإرسال بتقسيم الطول الموجي (WDM) في ظل الظروف المناخية الممطرة والضبابية والثلجية وحساب المسافات التي يمكن أن تصل فيها الإشارة بشكل صحيح إلى جهاز الاستقبال باستخدام برنامج محاكاة Optisystem . علاوة على ذلك، تم استخدام خوارزميات التعلم الآلي للتنبؤ بعامل الجودة للنظام المقترح ومن ثم استخدام مقاييس الأداء R² وRMSE (جذر متوسط مربع الخطأ) للمقارنة بين الخوارزميات أظهرت النتائج التي تم الحصول عليها أن خوارزمية الغابة العشوائية (RF) أعطت أقل قيمة RMSE وأعلى قيمة R² مقارنة بخوارزميات مقارنة بخوارزميات شجرة القرار (DT) و KNN، ولذلك يمكننا القول أن خوارزمية الغابة العشوائية أعطت نتائج أفضل في دقة التنبؤ لعامل الجودة في نظام WDM-FSO.