خوارزمية جديدة للتعرّف التلقائي على التضمين لإشارات OFDM قائمة على FAFT

لماذا تحتاج الإشارات اللاسلكية إلى أذن أكثر حدة

ستتعامل شبكات 5G و6G المستقبلية مع مليارات الهواتف والمستشعرات والسيارات والأجهزة التي تتشارك نفس الطيف المزدحم. للحفاظ على سير العمل بسلاسة وأمان، يجب على محطات القاعدة أن تتعرّف بسرعة على نوع الإشارة الراديوية التي تلتقطها، حتى عندما تكون هذه الإشارة مدفونة في الضوضاء أو مشوّهة بواسطة المباني والمركبات سريعة الحركة. تقدم هذه الورقة طريقة جديدة لمنح مستقبلات اللاسلكي "أذنًا" أكثر حدة لهذه الإشارات مع استخدام طاقة حسابية أقل بكثير من العديد من التقنيات الحالية.

كيف تميز الراديوهات الإشارات

كل بث لاسلكي يُشفِر المعلومات عن طريق تغيير خواص موجة الراديو مثل السعة أو الطور. تُسمى هذه الطرق المختلفة للترميز أنواع التضمين. التعرف التلقائي عليها ضروري لمشاركة الطيف بذكاء، وحماية الحرب الإلكترونية، وروابط آمنة في إنترنت الأشياء. تعتمد طرق التعرف التقليدية إما على معادلات مصاغة بعناية من نظرية الاتصالات أو على شبكات عصبية كبيرة تتعلم الأنماط مباشرة من البيانات الخام. المجموعة الأولى قد تواجه صعوبات في قنوات العالم الحقيقي الفوضوية، بينما تتطلب المجموعة الثانية غالبًا أجهزة قوية ووقت معالجة طويل، مما يصعب تحمله في محطات قاعدة مدمجة.

اختصار جديد مُصمم للإشارات الحديثة

يركز المؤلفون على نوع الإشارات الأكثر شيوعًا في 5G و6G: تقسيم التردد المتعامد متعدد الحامل، أو OFDM. يوزع OFDM المعلومات على العديد من النغمات المتقاربة عبر الطيف، مما يخلق نمطًا تمييزيًا واضحًا في التردد. بدلًا من معاملة هذه الإشارات كأي شكل موجي عادي، تقوم الطريقة المقترحة، المسماة مرشح فورييه التكيفي مع الانتباه (FAFT)، بغرس هذه المعرفة المسبقة داخل الشبكة نفسها. يقسم FAFT المشكلة إلى وجهتين متناسقتين: منظور ترددي ينظر مباشرة إلى كيفية توزيع الطاقة عبر النغمات، ومنظور زمني يفحص كيفية تغير الإشارة لحظة بلحظة.

إبراز أنماط التردد

في المنظور الترددي، يستخدم FAFT أولًا تحويل فورييه السريع المألوف لتحويل عينات المركّب الموجب والمركّب التربيعي الواردة إلى طيف. ثم يطبّق مرحلة تحسين قابلة للتعلّم تعمل كمعادل ذكي، تُخفّف بلطف التموجات العشوائية المسيطر عليها بالضوضاء وتعزز الأنماط المستقرة المرتبطة بصيغ التضمين المحددة. بعد ذلك، يتعلم بنك مدمج من المرشحات الرقمية أي مجموعات من النغمات يجب التأكيد عليها أو قمعها. قاعدة رياضية بسيطة تدفع هذه المرشحات بعيدًا عن سلوك تافه أو شديد التحدّب، مشجعةً أشكالًا طيفية واسعة وذات مغزى مع ما يكفي من التفاصيل الدقيقة لتمييز التضمينات المتشابهة. هذا يوفّر للشبكة بصمة نظيفة وواعية بـOFDM لكل إشارة دون اللجوء إلى برج عميق من الطبقات العامة.

التقاط دلائل التوقيت ودمج المنظورين

في الوقت نفسه، يفحص فرع زمني خفيف الوزن الإشارة الخام بتلافيف أحادية البُعد ضحلة، ملتقطًا البنى قصيرة المدى مثل انتقالات الرموز والتشويهات القصيرة التي قد لا تظهر بوضوح في الطيف وحده. ثم تُدمج مخرجات الفرعين الترددي والزمني وتُمرّر عبر آلية انتباه تتعلم مقدار الوزن الذي يجب منحه لكل نوع من الميزات في ظل ظروف القناة المختلفة. في مشاهد عالية الضوضاء، قد يميل النظام لإسناد ثقل أكبر إلى الأنماط الطيفية المنقّاة؛ وفي حالات أخرى، يمكنه الاعتماد أكثر على دلائل التوقيت. أخيرًا، يحوّل مصنّف صغير هذا التمثيل المدمج إلى قرار بشأن نوع التضمين الموجود.

وضع الطريقة على المحك

للتحقق من جدوى FAFT خارج المحاكيات المراقبة بعناية، يختبره المؤلفون على مجموعتي بيانات عامتين معروفتين وعلى مجموعة جديدة من إشارات OFDM الحقيقية الملتقطة باستخدام أجهزة راديو ونموذج قناة مركبات معياري. عبر هذه المعايير، يضاهي FAFT أو يتفوق على عدة منافسين أقوياء من التعلّم العميق، بما في ذلك الشبكات الباقية، والنماذج الهجينة الالتفافية-التكرارية، والتصاميم المبنية على المحولات. يحقق ذلك مع نحو عُشر أعداد معلماتهم أو أقل، ومع تكلفة حسابية مشابهة أو أقل. تكون المكاسب ملحوظة بشكل خاص عند نسب الإشارة إلى الضوضاء المنخفضة، حيث يساعد مكوّن التعزيز الطيفي النموذج على استخلاص التضمين الأساسي حتى عندما تكون التداخلات والانعكاسات المتعددة شديدة.

ماذا يعني هذا للشبكات اليومية

بعبارات بسيطة، تُظهر الدراسة أن بناء خواص موجات OFDM الحديثة مباشرة داخل شبكة عصبية يمكن أن يؤدي إلى مستقبلات أذكى وأخف وزنًا. من خلال الجمع بين بنك مرشحات تكيفي مركّز على التردد، وفرع زمني بسيط، ومرحلة اندماج قائمة على الانتباه، يقدم FAFT تعرّفًا دقيقًا على التضمين مع إبقاء النموذج صغيرًا بما يكفي للنشر في محطات قاعدة حقيقية أو راديوهات الحافة. مع ازدياد تعقيد أنظمة 5G و6G، قد تساعد هذه التصاميم المخصصة والفعالة في الموارد الشبكات على استشعار وإدارة طيفها في الوقت الفعلي، مما يحسّن الاعتمادية والأمان دون الحاجة إلى أجهزة جديدة ضخمة.

الاستشهاد: Li, Y., Tang, X., Wang, L. et al. A novel automatic modulation recognition algorithm for OFDM signals based on FAFT. Sci Rep 16, 9614 (2026). https://doi.org/10.1038/s41598-025-33752-7

الكلمات المفتاحية: التعرّف التلقائي على التضمين, OFDM, 5G 6G, التعلّم العميق, الاتصالات اللاسلكية