باحث الجامعة المصرية الروسية يبتكر طريقة للتعرف الذاتى لأجهزة الإستقبال

أعلن الدكتور شريف فخري محمد عبدالنبي، رئيس الجامعة المصرية الروسية، أنه في إطار تحفيز إدارة الجامعة للباحثين على اختيار نقاط بحثية متميزة، وذلك تماشيًا مع الخطة البحثية للجامعة فقد ابتكر الباحث المهندس محمد أحمد عبدالمنعم المدرس المساعد بقسم هندسة الاتصالات بكلية الهندسة الجامعة المصرية الروسية، طريقة بحثية للتعرف الذاتي لأجهزة الاستقبال "receivers"، عن طريق استخدام تقنيات معالجة الصور و"الذكاء الاصطناعي"، مشيرًا إلى أن ذلك يأتي تفعيلًا لدور الجامعة كمؤسسة بحثية وإستشارية تتفاعل مع احتياجات المجتمع والدولة، وذلك بدعم كامل من الدكتور محمد كمال السيد مصطفى رئيس مجلس أمناء الجامعة.

وفي ذات السياق، أكد الدكتور علاء البطش عميد كلية الهندسة الجامعة المصرية الروسية، أن الكلية تهدف إلى الربط بين الدراسة الأكاديمية والبحث العلمي وأهداف التنمية المستدامة بالدولة؛ لتحقيق أقصى إستفادة ممكنة من التكنولوجيا الجديدة وتحقيق المستهدفات القومية.

من جانبها، أضافت الدكتورة شيماء مصطفى جابر رئيس قسم هندسة الاتصالات بكلية الهندسة الجامعة المصرية الروسية، أن نظم الاتصالات اللاسلكية أصبحت من أكثر النظم انتشارًا في العالم، وذلك بسبب الزيادة المرتفعة لمعدلات نقل البيانات عبر الأنظمة اللاسلكية؛ وأدى التطور في أنظمة الاتصالات إلى وجود العديد من التحديات والمتطلبات للمستخدمين من زيادة في الحيز المستخدم في المساحة الموجودة في قناة الاتصال اللاسلكية؛ لذلك ترجع الأهمية العلمية لموضوع البحث لتناوله موضوع التعرف الذاتي لأجهزة الاستقبال في الشبكات الاسلكية باستخدام تقنيات "الذكاء الاصطناعي" بخصائصها الفريدة وميزاتها المتطورة التي تساهم في التغلب على العديد من هذه التحديات.

وفي ذات الموضوع، أوضح المهندس محمد أحمد عبدالمنعم، المدرس المساعد بقسم هندسة الاتصالات بكلية الهندسة الجامعة المصرية الروسية، أنه تم اقتراح طريقة باستخدام مرشحات "Gabor" مع الشبكات العصبية "CNNs"؛ للتعرف على نوع التعديل في الإشارة ذاتيًا في شبكات الاتصال اللاسلكية، وأظهرت النتائج أن الطريقة المستخدمة لديها دقة عالية في التعرف على سبعة أنواع من أنواع التعديل بالإشارة في حالة وجود الضوضاء بنسب مختلفة.

النتائج المترتبة على الطريقة المبتكرة الجديدة 

وأضاف المدرس المساعد بقسم هندسة الاتصالات بكلية الهندسة الجامعة المصرية الروسية، أنه من أهم النتائج المترتبة على الطريقة المبتكرة الجديدة التالي:

1- التعرف الذاتي بشكل أكثر دقة لأجهزة الاستقبال "receivers" على نوع التعديل في الإشارة دون الحاجة إلى المعلومات التي كانت ترسل مع الإشارة من خلال أجهزة الإرسال في شبكات الاتصال اللاسلكية.

2- الاستغلال الأمثل للحيز المستخدم من المساحة الموجودة في قناة الاتصال اللاسلكية.

وقد أحتوت الدراسة على:

1- مناقشة الدراسات المرجعية لجميع التقنيات التقليدية والحديثة للتعرف على التعديل في أنظمة الاتصالات اللاسلكية، وتم عمل مقارنة بين هذه التقنيات وتم مناقشة حزم البرامج المستخدمة واستعراض التوجهات المستقبلية العامة المتعلقة بالموضوع.

2- مقارنة أداء الطريقة المقترحة مع الطرق الأخرى وتظهر النتائج أن مصنف التعلم العميق"CNN" مع مرشحات " Gabor" لديه دقة عالية في التعرف على سبعة أنواع من أنواع التعديل المستخدمة وهم: "BPSK، 4QAM، 8PSK، 16PSK، 8QAM، 16QAM، "32QAM and  في حالة وجود الضوضاء بنسب مختلفة.

الجدير بالذكر أنه قد تم نشر بحثين من الدراسة: 

- البحث الأول فى مجلة عالمية مدرجة في تصنيف سكوبس العالمي وهى ‏International Journal of Communication Systems، وعنوان البحث "A survey of traditional and advanced automatic modulation classification techniques، challenges، and some novel trends"، وفي خلال عام من النشر تم الإعلان أن البحث من بين أكثر الأبحاث عالميًا تحميلًا في المجلة وتم الحصول على شهادة بذلك.

- البحث الثاني للطريقة المقترحة تم نشره أيضًا في مجلة عالمية مدرجة في تصنيف سكوبس العالمي تحت عنوان:"An efficient modulation classification method using signal constellation diagrams with convolutional neural networks، Gabor filtering، and thresholding".

كما أن الباحث المهندس محمد أحمد عبدالمنعم، المدرس المساعد بقسم الاتصالات بكلية الهندسة الجامعة المصرية الروسية، حصل على بكالوريوس هندسة الاتصالات من كلية الهندسة الجامعة المصرية الروسية عام (2017)، وحصل على درجة الماجستير من قسم هندسة الإلكترونيات والاتصالات الكهربائية بـ"هندسة منوف" جامعة المنوفية عام (2021)، ويدرس حاليًا للحصول على درجة الدكتوراه من قسم هندسة الإلكترونيات والاتصالات الكهربائية بـ"جامعة المنوفية"، وتشمل اهتماماته البحثية الاتصالات الرقمية، والاتصالات اللاسلكية، ومعالجة الصور، والتعلم الآلي.