تشخیص فرمت مدولاسیون با استفاده از یادگیری عمیق در شبکه های نوری منعطف
محل انتشار: پنجمین کنفرانس مهندسی مخابرات ایران
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 356
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCEN05_010
تاریخ نمایه سازی: 14 آذر 1400
چکیده مقاله:
یکی از روش های طبقه بندی فرمت مدولاسیون استفاده از تصاویر صورت فلکی می باشد. در شبکه های نوری انعطاف پذیر، شبکه در هر لحظه در حال به روزرسانی برای ارسال اطلاعات در انواع قالب های مدولاسیون بر حسب نیاز می باشد. استفاده از انواع مدولاسیون های مختلف متناسب با شرایط کانال ها می تواند کارایی شبکه را ارتقاء دهد. در این مقاله از ۵ قالب مدولاسیون M-QAM ۱۶-۳۲-۶۴-۱۲۸-۲۵۶ متداول در فرستنده و ۴ شبکه یادگیری عمیق ResNet۱۰۱ ، GoogLeNet ،AlexNet و Inceptionv۳ شناخته شده برای طبقه بندی استفاده شده است. سیگنال های دریافتی در این ۵ مدولاسیون از یک مجموعه دادهی وسیع شبیه سازی شده از یک شبکه الاستیک با ۲۴۸ سناریوی مختلف بدست آمده است. میتوان دید که با کمترین تعداد داده های تجربی در قالب های مدولاسیون نتایج قابل قبول در طبقه بندی به دست آمده است و از بین این ۴ شبکه از نظر زمانی و پیچیدگی محاسباتی AlexNet بهترین عملکرد را دارد.
کلیدواژه ها:
نویسندگان
احسان وارسته
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه ارومیه، ایران
سیدصدرا کاشف
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه ارومیه، ایران
مرتضی ولی زاده
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه ارومیه، ایران
مهدی رنجبر زفره
دانشگاه پلیتکنیک تورینو ایتالیا