رزومه


EN
مجتبی حاجی آبادی

مجتبی حاجی آبادی

استادیار

mhajiabadi@birjand.ac.ir

دانشکده/پردیس: مهندسی برق و کامپیوتر

گروه/دانشکده مخابرات

مقطع تحصیلی: دکترای تخصصی

سال تولد: ۱۳۶۹۰۲۰۷

رزومه
EN
مجتبی حاجی آبادی

استادیار مجتبی حاجی آبادی

mhajiabadi@birjand.ac.ir
دانشکده/پردیس: مهندسی برق و کامپیوتر - گروه/دانشکده مخابرات مقطع تحصیلی: دکترای تخصصی | سال تولد: ۱۳۶۹۰۲۰۷ |

زندگی نامه:

دکتر مجتبی حاجی‌آبادی، فارغ‌التحصیل مهندسی برق با گرایش مخابرات سیستم‌، مدرک کارشناسی خود را در سال ۱۳۹۱ از دانشگاه بیرجند، کارشناسی ارشد را در سال ۱۳۹۳ و دکتری را در سال ۱۳۹۷ از دانشگاه فردوسی مشهد دریافت نمود. وی دانشجوی ممتاز بوده و در مقطع کارشناسی رتبه سوم، در کارشناسی ارشد رتبه اول و در دکتری نیز رتبه اول را کسب کرد. در سال ۱۳۹۷، دوره فرصت مطالعاتی دکتری خود را در دانشگاه KU Leuven کشور بلژیک تحت نظارت پروفسور Marc Moonen (از اعضای برجسته انجمن IEEE) به پایان رساند.

دکتر حاجی‌آبادی در طول دوره دکتری، چندین جایزه از بنیاد ملی نخبگان دریافت کرد که شامل جوایز تحصیلی، کمک‌ هزینه‌های پژوهش یاری، آموزش یاری، طرح جایگزین خدمت و کمک هزینه فرصت مطالعاتی بین‌المللی بود. پس از اتمام تحصیلات، به مدت پنج سال در صنعت مخابرات ایران مشغول به کار شد و در طراحی فرستنده-گیرنده‌های ارتباطات ماهواره‌ای در بخش هوافضای کشور، و سیستم‌های مخابرات نوری در شرکت ارتباطات زیرساخت مشارکت داشت. از سال ۱۴۰۱، به عنوان عضو هیئت علمی تمام‌وقت در گروه مهندسی مخابرات دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند مشغول به تدریس و پژوهش است. حوزه‌های تحقیقاتی وی شامل فیلترهای وفقی، یادگیری ماشین و کاربرد هوش مصنوعی در سیستم‌های مخابرات بی‌سیم می‌باشد.

در صورتی که علاقه مند به پژوهش در حوزه تخصصی ایشان هستید، از طریق پست الکترونیکی زیر با ایشان در ارتباط باشید.

آدرس پست الکترونیکی:  mhajiabadi@birjand.ac.ir

نمایش بیشتر

Synchronization of Distributed Space Communication Reflector Array Antennas via Centralized Stochastic Gradient Descent

نویسندگانMojtaba Hajiabadi,Pedram Hajipour,Roghieh Karimzadeh Baee
نشریهWireless Personal Communications
شماره صفحات5161-5186
شماره سریال146
شماره مجلد1
نوع مقالهFull Paper
تاریخ انتشار2026
رتبه نشریهISI
نوع نشریهالکترونیکی
کشور محل چاپایران
نمایه نشریهJCR،Scopus
کلید واژه هاMachine learning, Centralized processing, Reflector antenna, Synchronization, Stochastic gradient descent

چکیده مقاله

Deep space communications are often challenged by low signal-to-noise ratios (SNRs). While antenna arraying offers a promising solution for SNR enhancement, it faces dif ficulties in synchronizing distributed reflector antennas. Imperfect synchronization can significantly impair system performance. In this paper, we propose a centralized learn ing approach to synchronize received signals across an array of reflectors. A stochastic gradient descent (SGD) algorithm is employed to minimize the error between a reference antenna and the others, enabling coherent signal combination and resulting in substantial SNR gains. Theoretical analysis and simulation results demonstrate that the performance of the proposed array is comparable to that of a single large reflector antenna. Specifically, at 12 GHz, an array of four 10-m antennas achieves 65 dB gain, comparable to a 20-m reflector antenna operating at the same frequency. Notably, constructing such an array is generally more cost-effective than manufacturing a single large reflector.

لینک ثابت مقاله