نوقشت رسالة الماجستير للطالبة (بتول رافد ناطق) من قسم هندسة المعلومات والاتصالات يوم الاربعاءالموافق 17/4/2025 في قاعة الخوارزمي المركزية وكانت اللجنة برئاسة أ.م.د. سارة كاظم محسن من جامعة بغداد / معهد الليزر للدراسات العليا وعضوية كل من أ.م.د. نور جمال جهاد من الجامعة التكنولوجية/ قسم هندسة الاتصالات وم.د. عادل فاضل مشتت من جامعة بغداد / كلية الهندسة الخوارزمي / قسم هندسة المعلومات والاتصالات واشراف أ.م.د. لواء فيصل عبدالامير من كلية الهندسة الخوارزمي / قسم هندسة المعلومات والاتصالات ، وبعد أستماع اللجنة الى الطالبة الباحثة اعلن رئيس اللجنة الدرجة التي حصلت عليها الباحثة والتي كانت بدرجة ( امتياز ) . وذلك لتقديم بحثها الذي كان الخلاصة منه.
الخلاصة مع التطور السريع لشبكات الاتصالات اللاسلكية وظهور تقنيتي G5 وB5G، تتزايد الحاجة إلى أنظمة اتصالات عالية الكفاءة، منخفضة الطاقة، وعالية السعة. يوفر الاتصال البصري في الفضاء الحر (FSO) هذه المزايا، ولكنه يواجه تحديات مثل مشاكل عدم خط البصر (NLOS) وتدهور الإشارة بسبب الاضطرابات الجوية. ولمعالجة هذه التحديات، تقترح هذه الدراسة استخدام نظام إعادة التكوين STAR-passive-OIRS، الذي يُحسّن ظروف القناة ديناميكيًا، ويوسع نطاق التغطية، ويُنشئ خط رؤية بصري افتراضي (LOS)، مع كونه فعالًا من حيث التكلفة مقارنةً بالحلول التقليدية مثل RF/FSO والمرحلات. يدمج النظام NOMA لتحسين الكفاءة الطيفية، وSIC لتخصيص الموارد، و8×8 MIMO لتحسين السعة، وMMSE وMRT لتعزيز نسبة الإشارة إلى الضوضاء (SINR). تم نمذجة العوامل البيئية باستخدام توزيعات Rician وFisher-Snedecor (F). تُظهر المحاكاة زيادةً في التغطية بنسبة 70% مقارنةً بنظام IRS، وتحسنًا في معدل البيانات بنسبة 40%، وانخفاضًا في معدل الخطأ في البتات (BER) بنسبة 55% مقارنةً بأنظمة LOS فقط. زاد نظام MIMO السعة بنسبة 50%، وحسّن نظام NOMA الكفاءة الطيفية بنسبة 30% مقارنةً بنظام OMA. يُحسّن عدد العناصر العاكسة بشكل ملحوظ نسبة SINR، كما يُحسّن وضع نظام STAR-OIRS الأمثل بالقرب من المحطة الأساسية أو المستخدمين من كسب القناة. يُظهر هذا الإطار إمكاناتٍ قويةً لتطوير شبكات لاسلكية مستقبلية.
التوصيات تقترح الدراسة عدة توصيات:
1. نشر أسطح نشطة ومتعددة الانعكاس لتحسين التغطية وتقليل فقدان الإشارة، مع مراعاة دقيقة للطاقة والتداخل؛
2. استخدام مجموعات عناصر عاكسة واسعة النطاق (على سبيل المثال، 4096-10000 عنصر) للأداء العالي في البيئات المعقدة مثل المدن الذكية؛
3. دمج MIMO الضخم وتشكيل الحزمة القائم على الذكاء الاصطناعي لزيادة السعة وإدارة مسارات الإشارة ديناميكيًا؛
4. اعتماد بروتوكولات التشغيل STAR-IRS (MS وTS وES) لموازنة متطلبات المستخدم وكفاءة الطاقة؛
5. الاستفادة من الذكاء الاصطناعي والتعلم التعزيزي للتحكم الذكي في الانعكاس والوضع وتخصيص الموارد؛
6. تنفيذ أنظمة RF البصرية الهجينة مع التعلم الآلي للتبديل الديناميكي في ظل ظروف صعبة؛
7. استخدام التعلم الفيدرالي في NOMA لتحسين تخصيص الطاقة مع الحفاظ على خصوصية المستخدم وتعزيز الكفاءة.
