شبكة متعددة الفروع للاستشعار التعاوني للطيف عبر دمج الميزات المستند إلى الانتباه وشبكات CNN

لماذا يشارك جهاز الواي‑فاي الخاص بك الهواء

كل جهاز لاسلكي تملكه — هاتفك، حاسوبك المحمول، مكبر الصوت الذكي، وحتى سيارتك — يتنافس على نفس العقار غير المرئي: موجات الراديو. الحكومات ترخص الكثير من هذا الطيف بشكل صارم، ومع ذلك تبقى قنوات مرخّصة كثيرة خاملة في أي لحظة. تستعرض هذه الورقة طريقة أكثر ذكاءً للأجهزة غير المرخّصة لاكتشاف متى تكون تلك القنوات خالية بالفعل، حتى في ظروف ضوضائية جداً وعندما يبث عدة مستخدمين مرخّصين في آن واحد. هذه القدرة حاسمة لشبكات المستقبل التي تعد باتصالات أسرع وأكثر موثوقية دون المطالبة بطيف إضافي.

اكتشاف الفجوات الخفية في موجات مكتظة

صممت أجهزة الراديو «الإدراكية» الحديثة للاستماع قبل الكلام. تبحث عن فتحات قصيرة — تُدعى ثقوب الطيف — حيث يكون المستخدمون المرخّصون أو الأساسيون غير نشطين حتى يتسنى للأجهزة الثانوية الإرسال دون التسبب في تداخل. طرق الاستماع البسيطة تكافح عندما تكون الإشارات ضعيفة أو مضطربة بالضوضاء أو قادمة من جهات متعددة. لتحسين الموثوقية، يمكن لعدة مستخدمين ثانويين التعاون: يستمع كل منهم محلياً ويحوّل ملاحظاته إلى مركز دمج يقرر ما إذا كانت القناة مشغولة أم حرة. لكن التقنيات الحالية، بما في ذلك كثير من الأساليب المعتمدة على التعلم الآلي، تفترض عادة وجود مرسل أساسي واحد وتواجه صعوبة عندما يشترك عدة مستخدمين مرخّصين في نفس القناة، كما يحدث غالباً في الأنظمة الخلوية والواي‑فاي الحقيقية.

رؤية ثلاثية العيون لعالم الراديو

يقترح المؤلفون نموذج تعلم عميق جديد يُدعى ATC يعامل الاستشعار التعاوني للطيف كمشكلة تعرف على أنماط ذات حالات «شبكية» متعددة ممكنة (أي أي من المستخدمين الأساسيين في وضع التشغيل أو الإيقاف). بدلاً من الاعتماد على منظور واحد للبيانات، ينظر ATC إلى نفس إشارات الاستشعار من خلال ثلاث عدسات متكاملة تعمل بالتوازي. يستخدم فرع واحد شبكة انتباه بيانية لنمذجة كيف يرتبط قوة الإشارة عند كل جهاز ثانوي بجيرانه، مبرزاً أي المستشعرات تحوي أفضل الأدلة. يغذّي فرع ثانٍ مصفوفة التغاير — وهي في الجوهر خريطة لكيفية ارتفاع وهبوط الإشارات عبر المستشعرات معاً — إلى شبكة عصبية التفافية، معاملة إياها كصورة تكشف بنية مكانية دقيقة مقاومة للضوضاء. ويستخدم الفرع الثالث مشفّر Transformer، المعروف من نماذج اللغة، لتعلم الأنماط الزمنية في كيفية تشغيل وإيقاف المستخدمين الأساسيين عبر الزمن.

دمج دلائل متعددة في قرار واضح واحد

بما أن كل فرع يتخصص في نوع مختلف من البنية — هندسة الشبكة، والعلاقات الإحصائية، والديناميكيات الزمنية — يدمج النموذج مخرجاتها فقط في النهاية. هذا التصميم المتوازي يحافظ على كل نوع من المعلومات سليماً حتى يتعلم طبقة الدمج النهائية كيفية وزنها. يقارن المؤلفون ذلك بتصميم تسلسلي، حيث تغذّي مخرجات شبكة واحدة مباشرة التالية؛ في مثل هذه الأنابيب قد تُشوّه أو تُمحى معالجة مبكرة تفاصيل قد تحتاجها المراحل اللاحقة. كما يقدمون قاعدة قرار مضبوطة للتعامل مع المقايضة الواقعية بين نوعي الخطأ (فقدان مستخدم أساسي نشط والتسبب في تداخل) والآخر (إعلان القناة مشغولة عندما تكون فعلاً حرة، مهدراً سعة محتملة). من خلال ضبط عتبة على نسبة احتمالية معرفة بعناية، يمكن لمشغلي الشبكة اختيار مدى عدوانية إعادة استخدام الطيف بشكل صريح.

اختبار النموذج

لفحص أداء ATC، درّب الباحثون النموذج وقارنوه بعدة قواعد مرجعية شائعة، بدءاً من التجزئة التقليدية وآلات الدعم المتجهية إلى الشبكات العميقة التي تستخدم طبقات التفافية فقط، أو طبقات زمنية متكررة فقط، أو مزيج أبسط من الالتفاف وTransformers. باستخدام بيانات محاكاة تُحاكي حالتي مستخدمين أساسيين وعشرة مستخدمين ثانويين متعاونين تحت ضوضاء محضة وقنوات انحناء واقعية، حقق ATC احتمال كشف أعلى باستمرار، خصوصاً عندما كانت الإشارات ضعيفة جداً. كما كان أدق في تحديد أي تركيبة محددة من المستخدمين كانت نشطة. في اختبارات على مجموعة بيانات واي‑فاي حقيقية — حيث التقطت قياسات القناة ظروفاً بوجود ومغادرة أشخاص — تفوّق ATC مجدداً على الطرق المنافسة، فكان أكثر ثباتاً في بيئات معقدة ومتغيرة. على الرغم من تعقيده، النموذج مدمج بما يكفي ليُدرّب خلال دقائق وليصدر قرارات في ميكروثوانٍ على معالج رسومي قياسي.

ما يعنيه هذا للأجهزة اللاسلكية اليومية

للقارئ العادي، الخلاصة هي أن الاستماع الأذكى يمكنه فتح سعة لاسلكية أكبر دون شراء طيف جديد أو خرق قواعد موجودة. من خلال دمج ثلاث طرق متممة لـ «النظر» إلى إشارات الراديو، يمكن لنموذج ATC اكتشاف وجود المستخدمين المرخّصين ومتى تكون موجات الهواء خالية بثقة أكبر، حتى في ظروف مكتظة ومضطربة ومتغيرة. ومع أن الدراسة لا تزال تفترض عدداً محدوداً من المستخدمين الأساسيين وأنواع قنوات مبسطة، فإنها تشير إلى مستقبل من أجهزة راديو قادرة على مشاركة الطيف بأمان أثناء التشغيل، مستغلة ما لدينا بشكل أفضل وتمهيد الطريق لشبكات أكثر كثافة للأجهزة المتصلة.

الاستشهاد: Lan, D.T., Ngo, Q.T., Nguyen, L.V. et al. A multi-branch network for cooperative spectrum sensing via attention-based and CNN feature fusion. Sci Rep 16, 5111 (2026). https://doi.org/10.1038/s41598-026-36031-1

الكلمات المفتاحية: الراديو الإدراكي, استشعار الطيف, التعلم العميق, الشبكات اللاسلكية, شبكات الانتباه