غلامحسین حمیدی - دانشجوی کارشناسی ارشد دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
همایون مهدوی نسب - مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
سمیه کاظمی - استادیار دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

امواج نوری هنگام عبور از فیبر دچار تضعیف می شوند. برای جبران تضعیف از تقویت کننده های نوری استفاده می شود. یکی از مهمترین تقویت کننده های نوری تقویت کننده رامان است. با توجه به اینکه از روش WDM برای انتقال اطلاعات در فیبر استفاده می شود مهم است که تمام کانال های ورودی فیبر نوری به یک اندازه تقویت شوند و کمترین ریپل را در پاسخ فرکانسی بهره تقویت سیگنال باشد. در این تحقیق با استفاده از شبکه عصبی پیشروی چندلایه با الگوریتم آموزش پس انتشار خطا و الگوریتم بهینه سازی نلدر مید سعی در کاهش ریپل تقویت کننده رامان می باشد. شبکه عصبی بعنوان مدل کننده ریاضی سیستم پیچیده و غیرخطی نوری و الگوریتم نلدر مید جهت بهینه سازی متغیرهای توان و طول موج های پمپ های تقویت کننده مدلسازی شده بکار رفته اند. نتایج حاصل ریپل 42 / 0 دسی بل را برای یک سیستم WDM با 20 کانال با پهنای 8 / 0 نانومتر برای هر کانال با چهار پمپ رامان نشان می دهد که نشانگر عملکرد موفق روش پیشنهادی است.

بهینه سازی، تقویت کننده رامان، شبکه عصبی، نلدر مید