حامد علیزاده؛ محمد مفرح
چکیده
این مقاله یک طرح جدید از یک سیستم ارتباط نور مرئی (VLC ) را ارائه میدهد که توسط یک سطح بازتابنده هوشمند نوری (OIRS ) برای پشتیبانی از کاربردهای داخلی در مقیاس بزرگ بهبود یافته است. این سیستم از بازتابپذیری قابل برنامهریزی OIRS نوری برای بهینهسازی انتشار نور استفاده میکند و در نتیجه پوشش و کیفیت سیگنال را در محیطهای داخلی گسترده بهبود ...
بیشتر
این مقاله یک طرح جدید از یک سیستم ارتباط نور مرئی (VLC ) را ارائه میدهد که توسط یک سطح بازتابنده هوشمند نوری (OIRS ) برای پشتیبانی از کاربردهای داخلی در مقیاس بزرگ بهبود یافته است. این سیستم از بازتابپذیری قابل برنامهریزی OIRS نوری برای بهینهسازی انتشار نور استفاده میکند و در نتیجه پوشش و کیفیت سیگنال را در محیطهای داخلی گسترده بهبود میبخشد. یک مدل دقیق از سیستم، شامل ویژگیهای کانال VLC و خصوصیات کنترلپذیر OIRS توسعه داده شده است. از طریق تجزیه و تحلیل ریاضی و شبیهسازیهای گسترده، نشان داده شده است که سیستم پیشنهادی به طور قابل توجهی نسبت سیگنال به نویز (SNR ) افزایش داده شده و پوشش بهتری در مقایسه با سیستمهای VLC معمولی ارایه میدهد. نتایج بهدستآمده، اثربخشی سیستم VLC مبتنی بر IRS نوری را به عنوان یک راه حل قوی برای ارتباط بیسیم پرسرعت و قابل اعتماد در فضاهای داخلی بزرگ مانند انبارها، مراکز خرید و مراکز کنفرانس تأیید میکنند.
حامد علیزاده قاضی جهانی؛ محمد مفرح
چکیده
در شبکههای ناهمگن که فناوریهای ارتباطی فرکانس رادیویی (RF) و نور مرئی (VLC) به صورت یکپارچه عمل میکنند، فرآیند واگذاری ارتباط برای تضمین اتصال و کیفیت خدمات (QoS) بهویژه در محیطهای داخلی پویا اهمیت بسیاری دارد. این مقاله یک الگوریتم ابتکاری جدید به نام DLHA را معرفی میکند که با بهرهگیری از یادگیری عمیق، فرایند پیشبینی، بهینهسازی ...
بیشتر
در شبکههای ناهمگن که فناوریهای ارتباطی فرکانس رادیویی (RF) و نور مرئی (VLC) به صورت یکپارچه عمل میکنند، فرآیند واگذاری ارتباط برای تضمین اتصال و کیفیت خدمات (QoS) بهویژه در محیطهای داخلی پویا اهمیت بسیاری دارد. این مقاله یک الگوریتم ابتکاری جدید به نام DLHA را معرفی میکند که با بهرهگیری از یادگیری عمیق، فرایند پیشبینی، بهینهسازی و اجرای تصمیمات واگذاری ارتباط را در شبکههای تلفیقی RF-VLC مدیریت میکند. الگوریتم مذکور از یک شبکه عصبی عمیق (DNN) مبتنی بر واحد بازگشتی دروازهدار (GRU) برای پیشبینی شرایط کانال و الگوهای تحرک کاربران استفاده کرده و این پیشبینیها را با یک چارچوب تصمیمگیری هوشمند ترکیب میکند. هدف این ترکیب کاهش تأخیر در واگذاری ارتباط، کاهش نرخ از دست دادن بستهها و ایجاد توازن در بار شبکه است. مسئله اصلی به عنوان یک مسئله بهینهسازی چند هدفه در نظر گرفته شده است، به طوریکه که محدودیتهایی نظیر تأخیر، مصرف انرژی و تداخل را شامل میشود. این مسئله با استفاده از اصول بهینهسازی و اصلاح فرآیندهای تصمیمگیری مارکوف (MDP) حل شده است. نتایج شبیهسازی که مبتنی بر مدلهای کانال داخلی واقعی و سناریوهای معتبر تحرک هستند، نشان میدهند که الگوریتم پیشنهادی DLHA در مقایسه با روشهای سنتی مبتنی بر آستانه، عملکرد بهتری دارد.