Μελέτη και βελτιστοποίηση της απόδοσης ενός οπτικού συστήματος μετάδοσης πληροφοριών με ασύρματες οπτικές και μικροκυματικές ζεύξεις μέσω τεχνικών μηχανικής μάθησης
Διπλωματική Εργασία
| Επιβλέπων | Ηρακλής Αβραμόπουλος |
|---|---|
| Συσχετιζόμενο μάθημα | Συστήματα Μετάδοσης Οπτικών Ινών |
Περιγραφή
Το κύριο αντικείμενο αυτής της εργασίας είναι η δημιουργία ενός οπτικού συστήματος μετάδοσης πληροφοριών που συνδυάζει τρεις διαφορετικούς τρόπους μετάδοσης: μετάδοση στην ίνα, μετάδοση στον αέρα σε υψηλές mmWave συχνότητες και μετάδοση στον αέρα μέσω οπτικών συχνοτήτων. Αυτή η πολυσυστηματική προσέγγιση επιτρέπει τη συνδυαστική χρήση διαφορετικών μεθόδων μετάδοσης για να επιτευχθεί βέλτιστη απόδοση και αξιοπιστία σε ευρεία φάσματα εφαρμογών.
Καταρχάς, η μετάδοση στην ίνα αντιπροσωπεύει μια αξιόπιστη μέθοδο μετάδοσης δεδομένων, προσφέροντας υψηλή ταχύτητα και ευρυζωνικότητα. Ωστόσο, η μετάδοση σε mmWave συχνότητες εκπροσωπεί την πρόκληση της ασύρματης επικοινωνίας σε υψηλές συχνότητες, προσφέροντας μεγάλη ταχύτητας μετάδοσης, αλλά με περιορισμένη εμβέλεια. Τα συστήματα FSO χρησιμοποιούνται για την επικοινωνία υψηλού ρυθμού μεταξύ δυο σταθερών σημείων σε αποστάσεις αρκετών χιλιομέτρων. Σε σύγκριση με τις αντίστοιχες ραδιοσυχνότητες (RF), οι FSO ζεύξεις έχουν πολύ υψηλό διαθέσιμο εύρος ζώνης, επιτρέποντας πολύ υψηλότερες ταχύτητες μετάδοσης δεδομένων. Κατά συνέπεια, τα συστήματα αυτά είναι ελκυστικά για ένα ευρύ φάσμα εφαρμογών.
Το βασικότερο κομμάτι αυτής της εργασίας είναι η ανάπτυξη και ο σχεδιασμός του συστήματος στην πλατφόρμα προσομοίωσης VPI, η οποία παρέχει τη δυνατότητα προσομοίωσης διαφόρων σεναρίων και παραμέτρων. Έπειτα, μέσω της μελέτης της απόδοσής του, ο στόχος είναι να εντοπίσουμε τυχόν αδυναμίες και περιορισμούς του συστήματος και να αναζητήσουμε τρόπους βελτίωσης. Αυτή η βελτίωση μπορεί να πραγματοποιηθεί είτε μέσω κλασικών τεχνικών επεξεργασίας σήματος, είτε με την ενσωμάτωση τεχνικών μηχανικής μάθησης, που επιτρέπουν την προσαρμογή του συστήματος σε μεταβαλλόμενες συνθήκες και ανάγκες επικοινωνίας.
Ελάχιστος χρόνος εκπόνησης της εργασίας: 6 μήνες.
Χρήσιμες Γνώσεις:
- Εξοικείωση με τη γλώσσα προγραμματισμού python και βασικών βιβλιοθηκών της
- Αρχές Φωτονικής Τεχνολογίας
- Γενικές Αρχές Μηχανικής Μάθησης
Επικοινωνία:
Γιώργος Μπρέστας, giorgosbrestas@mail.ntua.gr
Ευρυδίκη Κυριαζή, evkyriazi@mail.ntua.gr
Παναγιώτης Τουμάσης, ptoumasis@mail.ntua.gr