Analysis and optimization of microwave links in Palestine using artificial neural networks

مقدم أطروحة جامعية

Abu al-Rubb, Muhammad S.

مشرف أطروحة جامعية

Jubran, Muhammad
Husayn, Muhammad

الجامعة

جامعة بيرزيت

الكلية

كلية الهندسة و التكنولوجيا

القسم الأكاديمي

الهندسة الكهربائية

دولة الجامعة

فلسطين (الضفة الغربية)

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2021

الملخص العربي

تعتمد شركات الاتصالات بشكل كبير على أدوات المحاكات المتطورة لتصميم شبكاتهم، يتيح استخدام نماذج فقدان المسار الدقيقة في هذه الادوات للمشغلين الاحتفاظ بشبكات موثوق بها و باستخدام الحد الأدنى من الموارد.

يهدف هذا البحث الى تطوير و ضبط نماذج فقدان المسار المناسبة للتضاريس الفلسطينية.

سنقوم أولا باختيار نماذج فقدان المسار المناسبة ثم سنقوم بتنفيذ عملية لضبطها من أجل تصميم بيئة لاسلكية محدده المناطق الحضرية، الضواحي المناطق المفتوحه في فلسطين سيتم ضبط معلمات هذه النماذج استنادا الى البيانات المقاسة الحقيقية.

سيركز هذا البحث على وصلات المايكرويف في شبكة شركات الاتصالات الفلسطينة و بشكل خاص بالتل و جوال، سنقوم بتحليل قدرة الاشارة المستقبلة من مجموعة من وصلات المايكرويف النشطة بترددات مختلفة ١٥ جيجا هرتز، ۱۸ جيجا هرتز، ٢٣ جيجاهرتز لتغطي جميع المواقع الجغرافية في الضفة الغربية.

سنقوم بمقارنه قوة الاشارة المستلمة المقاسة مع نماذج الانتشار النظرية المضبوطة .

ثم سيتم ادخال افضلها إلى التعلم الالي.

باستخدام خوارزمية التغذية إلى الأمام للشبكة العصبية، تم تطوير نموذج مثالي في هذه الأطروحة للتنبؤ بخسارة المسار.

تم تطبيق مجموعة البيانات في فلسطين الجمع بيانات فقدان المسار من تسعة عشر موقعا مختلفا على مسافات مختلفة.

تم تدريب الشبكة العصبية متعددة الطبقات ذات التغذية الأمامية على بيانات ملف تعريف التضاريس : طاقة الإرسال، و الترددات، والمسافة، و 530 - لإنتاج قيم خسارة المسار بناء على خوارزمية Marquardt Levenberg ، تتنوع عدد الخلايا العصبية في الطبقة الخفية (٠٨٠٦٠٤٠٢ ١٠) و بأفضل دقة تنبؤية لتقييم نموذج الشبكة العصبية الاصطناعية بناء على مقاييس مختلفة تم تقييم ناتج نموذج الشبكة العصبية من خلال متوسط المخطأ التربيعي و الانحراف المعياري تظهر نتائج عمليات التعلم الألي أن وظيفة التنشيط لهيكل الشبكة العصبية الأمامية و ع خلايا عصبية مخفية أنتجت أقل خطأ تنبؤي، بمتوسط خطأ تربيعي و قيم انحراف معياري تبلغ 0.0032 ديسيبل و 13.74 ديسيبل على التوالي.

أعطيت تنبؤات نموذج الشبكة العصبية الاصطناعية الأمثل متوسط الخطأ التربيعي، و قيم الانحراف المعياري 0.0022- ديسيبل، و 13.84 ديسيبل، على التوالي، عند التحقق من البيانات الجديدة غير المستخدمة من قبل.

الملخص الإنجليزي

Telecommunication operators rely heavily on sophisticated simulation tools to design mobile and wireless networks.

These tools depend on path loss models to simulate network performance and produce many reports such as coverage and interference.

An accurate path loss models and hence simulation reports are necessary to enable operators to maintain efficient and reliable networks.

The aim of this research is to develop and tune path loss model suitable for the Palestinian terrain using machine learning.

First we will select appropriate path loss models.

Then we will implement a process to tune them in order to model specific wireless environment (urban, suburban, open areas) in Palestine.

The parameters of these models will be tuned based on real measured data.

This research will focus on the microwave links in Palestinian Telecommunication Company network (PALTEL) and JAWWAL.

Particularly, we will analyze the received signal power from a set of active microwave links at different frequencies (15GHz, 18GHz, and 23GHz) covering all geographical locations in the west bank.

We will compare the measured received signal power with the tuned theoretical propagation models.

Using the Feed-Forward Neural Network (FFNNs) algorithm an optimal model is developed in this thesis for path loss predictions.

Data-set was applied in Palestine to collect path loss data from nineteen different locations at various distances.

Multi-layered FFNNs were trained with terrain profile data (transmitting power, frequencies, distance, and ITU-R p.530) to produce corresponding path loss values based on the Levenberg Marquardt algorithm.

The number of neurons in the hidden layer was varied (2, 4, 6, 8, 10) with the best predictive accuracy to evaluate the Artificial Neural Network ( ANN) model based on different metrics.

The output of the ANN models was evaluated: mean squared error (MSE) and standard deviation.

Results of the machine learning processes show that the tangent activation function of the FNN architecture and 4 hidden neurons produced the least predictive error, with MSE and standard deviation values of 0.0032 dB, and 13.74 dB, respectively.

In terms of generalization, the predictions of the optimal ANN model were given MSE, and standard deviation values of 0.0022 dB, and 13.84 dB, respectively, when checked with new data not used before

التخصصات الرئيسية

الهندسة الكهربائية

عدد الصفحات

75

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-1413069