Algorithmes K-NN: Applications aux Communications ... Catalogue en ligne

Ajouter au panier

Lien vers la notice

Titre :

Algorithmes K-NN: Applications aux Communications Optique

Auteurs :

AMMOUR El-Haithem, Auteur ; ADDADI Oussama, Auteur ; Ouis Esma, Directeur de thèse

Type de document :

texte manuscrit

Editeur :

Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026

Langues:

Français

Index. décimale :

BUC-M 008566

Catégories :

MASTER en Télécommunications Spécialité : Réseaux et Télécommunications

Mots-clés:

Apprentissage Automatique, Algorithme K-NN, FSO, Facteur de Qualité, OptiSystem, MATLAB. Machine Learning, K-NN Algorithm, FSO, OptiSystem, MATLAB. ‫علم‬ ‫اآللة‪،‬‬ ‫خوارزمية‬ ‫أقرب‬ ‫الجيران‬ ‫(‬ ‫‪K-NN‬‬‫)‪،‬‬‫االتصاالت‬ ‫البصرية‬ ‫في‬ ‫الفضاء‬ ‫الحر‬ ‫(‬‫‪FSO‬‬‫)‪،‬‬‫معامل‬ ‫الجودة‪،‬‬ ‫برنامج‬ ‫أوبتي‬ ‫سيستم‬ ‫(‬ ‫‪OptiSystem‬‬‫)‪،‬‬‫برنامج‬ ‫ماتالب‬ ‫(‬ ‫‪MATLAB‬‬‫)‬

Résumé :

Les communications optiques en espace libre (FSO) sont une technologie de
base des réseaux de communication sans fil de nouvelle génération, fournissant des
taux élevés de transfert de données similaires à la fibre optique sans avoir besoin de
licences de spectre. Cependant, son état de préparation est fortement affecté par les
perturbations des canaux atmosphériques et les conditions climatiques défavorables.
Dans ce travail, une approche prédictive intelligente basée sur l’apprentissage
automatique a été proposée afin de diagnostiquer et de classer le statut des canaux
FSO. Pour y parvenir, la chaîne de transmission du FSO a été modélisée et simulée
à l’aide de l’environnement OptiSystem dans le but de créer une base de données
physique qui reflète différents scénarios climatiques. Le facteur de qualité (Q-
Factor) a été extrait comme principal facteur prédictif. Ensuite, l’algorithme du plus
proche voisin (K-NN) a été appliqué en utilisant MATLAB pour la classification
automatisée de l’état des liens. Les résultats obtenus ont démontré une grande
précision et une excellente robustesse du modèle face à la turbulence, confirmant
l’efficacité de l’intégration de l’IA dans le développement des systèmes auto-
adaptatifs de FSO et leur capacité à fonctionner efficacement dans des conditions
météorologiques dégradées.

Free-space optical communications (FSO) is a core technology of next
generation wireless communication networks, providing high data transfer rates
similar to fiber optics without the need for spectrum licenses. However, its state of
preparation is strongly affected by the disturbances of atmospheric channels and
unfavorable climatic conditions.
In this work, an intelligent predictive approach based on machine learning has
been proposed to diagnose and classify the status of FSO channels. To achieve this,
the FSO transmission chain was modeled and simulated using the OptiSystem
environment in order to create a physical database that reflects different climate
scenarios. The quality factor (Q-Factor) was extracted as the main predictive factor.
Next, the nearest neighbor algorithm (K-NN) was applied using MATLAB for
automated link state classification. The results obtained demonstrated high accuracy
and excellent robustness of the model in the face of turbulence, confirming the
effectiveness of AI integration in the development of self-driving systemsadaptive
FSOs and their ability to operate effectively in degraded weather conditions.
‫تُعدّ‬‫تقنية‬ ‫االتصاالت‬ ‫البصرية‬ ‫في‬ ‫الفضاء‬ ‫الحر‬ ‫(‬ ‫‪FSO‬‬‫)‬‫من‬ ‫التقنيات‬ ‫األساسية‬ ‫لشبكات‬ ‫االتصاالت‬
‫الالسلكية‬‫من‬ ‫الجيل‬ ‫الجديد‪،‬‬ ‫حيث‬ ‫توفر‬ ‫معدالت‬ ‫نقل‬ ‫بيانات‬ ‫عالية‬ ‫مماثلة‬ ‫لأللياف‬ ‫البصرية‬ ‫دون‬ ‫الحاجة‬ ‫إلى‬
‫تراخيص‬‫الطيف‬ ‫الترددي‪.‬‬ ‫ومع‬ ‫ذلك‪،‬‬ ‫فإن‬ ‫جاهزيتها‬ ‫تتأثر‬ ‫بشكل‬ ‫كبير‬ ‫باضطرابات‬ ‫القناة‬ ‫الجوية‬ ‫والظروف‬
‫المناخية‬‫غير‬ ‫المالئمة‪.‬‬
‫في‬‫هذا‬ ‫العمل‪،‬‬ ‫تم‬ ‫اقتراح‬ ‫مقاربة‬ ‫تنبؤية‬ ‫ذكية‬ ‫تعتمد‬ ‫على‬ ‫التعلم‬ ‫اآللي‬ ‫من‬ ‫أجل‬ ‫تشخيص‬ ‫وتصنيف‬ ‫حالة‬
‫قناة‬‫الـ‬ ‫‪FSO‬‬‫‪.‬‬ ‫ولتحقيق‬ ‫ذلك‪،‬‬ ‫تم‬ ‫نمذجة‬ ‫ومحاكاة‬ ‫سلسلة‬ ‫إرسال‬ ‫‪FSO‬‬ ‫باستخدام‬ ‫بيئة‬ ‫‪OptiSystem‬‬ ‫بهدف‬ ‫إنشاء‬
‫قاعدة‬‫بيا‬ ‫نات‬‫فيزيائية‬ ‫تعكس‬ ‫سيناريوهات‬ ‫مناخية‬ ‫مختلفة‪.‬‬ ‫وقد‬ ‫تم‬ ‫استخراج‬ ‫معامل‬ ‫الجودة‬ ‫(‬ ‫‪Q-Factor‬‬‫)‬‫باعتباره‬
‫المعامل‬‫التنبئي‬ ‫الرئيسي‪.‬‬ ‫بعد‬ ‫ذلك‪،‬‬ ‫تم‬ ‫تطبيق‬ ‫خوارزمية‬ ‫أقرب‬ ‫الجيران‬ ‫(‬ ‫‪K-NN‬‬‫)‬‫باستخدام‬ ‫‪MATLAB‬‬ ‫من‬
‫أجل‬‫التصنيف‬ ‫اآللي‬ ‫لحالة‬ ‫الوصلة‪.‬‬ ‫أظهرت‬ ‫النتائج‬ ‫المتحصل‬ ‫عليها‬ ‫دقة‬ ‫عالية‬ ‫ومت‬ ‫انة‬‫ممتازة‬ ‫للنموذج‬ ‫في‬ ‫مواجهة‬
‫االضطرابات‪،‬‬‫مما‬ ‫يؤكد‬ ‫فعالية‬ ‫دمج‬ ‫الذكاء‬ ‫االصطناعي‬ ‫في‬ ‫تطوير‬ ‫أنظمة‬ ‫‪FSO‬‬ ‫ذاتية‬ ‫التكيف‬ ‫وق‬ ‫د‬‫ر‬‫تها‬‫على‬
‫العمل‬‫بكفاءة‬ ‫تحت‬ ‫الظروف‬ ‫الجوية‬ ‫المتدهورة‪.‬‬

Exemplaires

Liste des exemplaires
Code-barres	Cote	Support	Localisation	Section	Disponibilité
aucun exemplaire

Documents numériques (1)

BUC-M 008566

Adobe Acrobat PDF

réseau mediathèques

réseau mediathèques

Exemplaires

Documents numériques (1)

Demande de numérisation

Aucun avis, veuillez vous identifier pour ajouter le vôtre !

Accueil

Sélection de la langue

Se connecter

Adresse

réseau mediathèques

réseau mediathèques

Exemplaires

Documents numériques (1)

Demande de numérisation

Aucun avis, veuillez vous identifier pour ajouter le vôtre !

Je cherche, je trouve...

Accueil

Sélection de la langue

Se connecter

Adresse