طريقة قوية لتقدير اتجاه الوصول مبنية على خوارزمية MUSIC الفوضوية

تحديد مصدر الإشارات

تستمع أنظمة الاتصالات والرادار الحديثة باستمرار لإشارات ضعيفة قادمة من اتجاهات متعددة. ويعد تحديد مصدر الإشارة بدقة أمراً جوهرياً لمهام مثل تحديد مواقع الهواتف في حالات الطوارئ، وتتبع الطائرات، أو توجيه سيارة ذاتية القيادة. تستكشف هذه الورقة طريقة جديدة لتحديد اتجاه الإشارة بشكل أكثر موثوقية عندما تكون الموجات اللاسلكية مشوشة وغير متوقعة، وهو وضع يربك أساليب القياس القياسية في كثير من الأحيان.

لماذا الاستماع في الفضاء صعب

غالباً ما يستخدم المهندسون صفّاً أو شبكة من الحساسات لاستنتاج اتجاه الوصول لإشارة ما. يسمع كل حساس نفس البث بتأخير وقوة مختلفة قليلاً، وتحول الحسابات الذكية هذه الاختلافات إلى زاوية في السماء. تُعد طريقة شائعة تُسمى MUSIC آلة عمل لهذا الغرض لأنها تستطيع فصل عدة إشارات قادمة من اتجاهات متقاربة. ومع ذلك، تفترض MUSIC أن الضوضاء الخلفية تتصرف وفق توزيع جرس منتظم وأن الإشارات ليست مترابطة بقوة. نادراً ما تتعاون البيئات الحقيقية مع هذه الفرضيات، لذا قد تتدهور دقتها بسرعة عندما تكون الضوضاء نبضية، أو تتداخل الإشارات وتنعكس، أو تكون قوة الإشارة منخفضة.

إضافة الفوضى لمطابقة العالم الحقيقي

يجادل المؤلفون بأن الإشارات الحقيقية تتصرف أكثر كفوضى متحكم فيها بدلاً من موجات نصية مرتبة. لالتقاط هذا السلوك، يقومون بنمذجة البيانات الواردة باستخدام مولد أعداد فوضوي رياضي مبني على دوال تشيبيشيف وخرائط لوجستية. تنتج هذه الأدوات متتاليات محددة تماماً بواسطة معادلات لكنها تبدو عشوائية وحساسة جداً للشروط الابتدائية. من خلال تغذية لقطات فوضوية من هذا النوع إلى عملية تحديد الاتجاه، يعكس النموذج مسارات الإشارة الحقيقية الفوضوية المليئة بالانعكاسات والتداخلات والتأثيرات غير الخطية بشكل أفضل. يساعد هذا التصور الواعي بالفوضى الخوارزمية على تمييز البنية الأساسية للإشارة عن التشويش المحيط بها.

تعليم الطريقة تجاهل القيم الشاذة

حتى مع نموذج إشارة أفضل، قد تشوّه اضطرابات متطرفة تقدير مدى الضوضاء في البيئة. للتعامل مع ذلك، يستعير الفريق أداة من الإحصاء القوي تُدعى دالة التكلفة توكي بايويت (Tukey biweight). بدلاً من معاملة كل عينة بيانات على أنها موثوقة بالمثل، تقوم هذه المقاربة بتقليل وزن العينات التي تنحرف كثيراً عن النمط الاعتيادي تلقائياً. ومعلومياً، يعني هذا أن النبضات المفاجئة أو الانفجارات في البيانات لا تؤثر بشكل مفرط على حساب مصفوفة التغاير، وهي المكوّن الرئيسي الذي تستخدمه MUSIC لفصل الإشارة عن الضوضاء. النتيجة هي نسخة «قوية» من الخوارزمية أقل حساسية للقيم الشاذة وأكثر استقراراً في ظروف قاسية.

اختبار الفكرة الجديدة

للتحقق من فوائد هذه التغييرات، يجري الباحثون أعداداً كبيرة من المحاكيات الحاسوبية التي تحاكي مصفوفة حسّاسات تستمع إلى مصدرَين قريبين من بعضهما. يقارنون أربعة إعدادات: MUSIC التقليدي، وMUSIC مع توكي بايويت، ونسخة فوضوية من MUSIC، والتركيب الكامل وهو MUSIC الفوضوي مع توكي بايويت. يقاس الأداء بشكل رئيسي بطريقتين. أولاً، خطأ الجذر التربيعي المتوسط يقيس مدى انحراف الاتجاهات المقدرة عن الحقيقية. ثانياً، احتمال الفصل (probability of resolution) يحصي عدد المرات التي تستطيع فيها الخوارزمية التمييز فعلياً بين مصدرين منفصلين بدلاً من بقعة ضبابية واحدة. تغطي هذه التجارب نطاقاً واسعاً من نسب الإشارة إلى الضوضاء ودرجات الارتباط بين المصادر.

ما تعنيه النتائج للأنظمة الحقيقية

تُظهر المحاكيات أن دمج نمذجة الفوضى مع دالة توكي بايويت يحسّن الأداء بشكل ملحوظ عندما تكون الظروف أكثر صعوبة، مثل عند انخفاض قوة الإشارة أو عندما تكون الإشارات مترابطة بشدة. تقدم طريقة MUSIC الفوضوي مع توكي بايويت أخطاء متوسطة أقل، وتبايناً أقل بين التجارب، وفرصاً أعلى لفصل المصادر القريبة بشكل صحيح مقارنة بالنهج الأخرى. وبينما قد يبدو MUSIC التقليدي أفضل في بعض الإحصاءات المتوسطة تحت ظروف طفيفة، فإن الطريقة الجديدة أكثر اعتمادية في السيناريوهات الصعبة التي تهم التطبيقات العملية. بالنسبة لمصممي وصلات الاتصالات اللاسلكية والرادارات وشبكات الحساسات، يقترح هذا العمل مساراً عملياً نحو أنظمة تحديد اتجاه تظل دقيقة ومستقرة حتى عندما يتصرف العالم الحقيقي بفوضى.

الاستشهاد: Muni, B.K., Delwar, T.S., Panigrahi, T. et al. A robust direction of arrival estimation method based on the chaotic MUSIC algorithm. Sci Rep 16, 15877 (2026). https://doi.org/10.1038/s41598-026-40266-3

الكلمات المفتاحية: اتجاه الوصول, مصفوفات الحساسات, معالجة الإشارة, الإشارات الفوضوية, الخوارزميات القوية