⚡ electrical engineering

ACCOR: Attention-Enhanced Complex-Valued Contrastive Learning for Occluded Object Classification Using mmWave Radar IQ Signals

تقترح الورقة البحثية إطار عمل ACCOR، وهو إطار تعلم تبايني معقد معزز بالانتباه يحقق دقة هي الأفضل في حالتها في تصنيف الأجسام المحجوبة باستخدام إشارات IQ لرادار الموجات المليمترية عبر ترددات 64 جيجاهرتز و67 جيجاهرتز.

المؤلفون الأصليون: Stefan Hägele, Adam Misik, Constantin Patsch, Eckehard Steinbach

نُشر 2026-03-06

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Stefan Hägele, Adam Misik, Constantin Patsch, Eckehard Steinbach

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك في مستودع، وهناك روبوت يحتاج إلى فرز الطرود على حزام ناقل. ما هي المشكلة؟ الطرود مغلفة في صناديق كرتونية. الكاميرا العادية لا تنفع هنا لأنها لا تستطيع الرؤية عبر الكرتون. وسيتعين على المفتش البشري إيقاف الخط وفتح كل صندوق، وهو أمر بطيء ومكلف.

هنا يأتي دور رادار الموجات المليمترية (mmWave radar). فكر فيه كأنه "كشاف خارق للسرعة" يستخدم موجات راديو غير مرئية. وخلافاً للضوء، يمكن لهذه الموجات المرور عبر الكرتون والبلاستيك والقماش، والارتداد عن الجسم الموجود بالداخل لتشكيل "صورة شبحية" لما هو مخفي.

ومع ذلك، هناك عقبة: البيانات الخام التي تنتجها هذه الرادارات ليست صورة واضحة وجميلة مثل الصور الفوتوغرافية، بل هي عبارة عن "حساء رياضي" فوضوي من الأرقام (تسمى إشارات IQ) والتي تمثل كلاً من قوة وتوقيت الموجات. الأمر يشبه محاولة التعرف على شخص بمجرد الاستماع إلى صدى صوته في كهف، دون رؤيته.

تقدم الورقة البحثية نظام ذكاء اصطناعي جديد يسمى ACCOR يعمل كـ "مستمع خارق" لحل هذه المشكلة. وإليك كيف يعمل، مقسماً إلى مفاهيم بسيطة:

1. الأذن "المعقدة" (الشبكة العصبية التلافيفية ذات القيم المعقدة - Complex-Valued CNN)

معظم نماذج الذكاء الاصطناعي تشبه الأشخاص الذين يستمعون فقط إلى "حجم" الصوت (السعة/Amplitude) لكنهم يتجاهلون "النبرة" أو "التوقيت" (الطور/Phase). إذا حاولت تعليم نموذج التعرف على جسم مخفي من خلال النظر فقط إلى الحجم، فستفقد نصف القصة.

أدرك المؤلفون أن إشارات الرادار هي بطبيعتها "معقدة" (لها جزءان: حقيقي وتخيلي، مثل الإحداثيات على الخريطة).

التشبيه: تخيل أنك تحاول التعرف على أغنية من خلال الاستماع فقط إلى قوة قرع الطبول، مع تجاهل اللحن. لن تعرف أبداً ما إذا كانت أغنية روك أم جاز.
الحل: يستخدم ACCOR نوعاً خاصاً من عقول الذكاء الاصطناعي (Complex-Valued CNN) يستمع إلى "الحجم" و"التوقيت" معاً في آن واحد. إنه لا يجزئ الإشارة إلى نصفين؛ بل يحافظ على "الأغنية" الكاملة والغنية، مما يسمح له بسماع الفروق الدقيقة بين مطرقة وزجاجة مياه داخل الصندوق.

2. آلية "التركيز" (الانتباه - Attention)

حتى مع وجود أذن جيدة، فإن إشارة الرادار مليئة بالضجيج. الأمر يشبه محاولة سماع محادثة محددة في حفلة صاخبة ومزدحمة. قد يتشتت انتباه الذكاء الاصطناعي بسبب صدى الصندوق نفسه أو ضجيج الخلفية.

التشبيه: تخيل ارتداء سماعات إلغاء الضجيج التي يمكنها سحرياً عزل صوت الشخص الذي تتحدث إليه فقط، وتجاهل الجميع غيره.
الحل: يستخدم ACCOR طبقة الانتباه (Attention Layer). هذه الطبقة تعمل مثل كشاف الضوء الذي يخبر الذكاء الاصطناعي: "تجاهل ضجيج الخلفية؛ وركز فقط على الجزء المحدد من الإشارة الذي يخبرنا ماهية الجسم". إنها تساعد النموذج على التركيز على القرائن الأكثر أهمية.

3. "المدرب الصارم" (دالة الفقد الهجينة - Hybrid Loss Function)

تدريب الذكاء الاصطناعي يشبه تعليم طالب. عادةً، أنت تخبرهم فقط: "صح أم خطأ؟" (Cross-Entropy). ولكن مع الرادار، قد تبدو الأجسام المختلفة (مثل كوب بلاستيكي وكوب معدني) متشابهة جداً بالنسبة للذكاء الاصطناعي، مما يسهل ارتباكه.

التشبيه: تخيل معلماً لا يكتفي بتصحيح اختبار الطالب فحسب، بل يجبره أيضاً على تجميع العناصر المتشابهة معاً ودفع العناصر المختلفة بعيداً عن بعضها في ذهنه.
الحل: ابتكر المؤلفون "فقدًا هجيناً" (Hybrid Loss). وهو نظام تقييم مكون من جزئين:
1. الاختبار: هل حصلت على التصنيف الصحيح؟
2. التجميع: هل تعلمت إبقاء "المطارق" بعيدة عن "المفكات" في خريطتك الذهنية؟
  هذا "المدرب الصارم" يجبر الذكاء الاصطناعي على إنشاء فئات ذهنية متميزة للغاية، بحيث لا يخلط أبداً بين كرة ولفافة شريط لاصق.

4. "التحقق المزدوج" (ترددان مختلفان)

لم يكتفِ الباحثون باختبار نظامهم لمرة واحدة، بل اختبروه بترددين مختلفين قليلاً (64 جيجاهرتز و67 جيجاهرتز).

التشبيه: الأمر يشبه التحقق من هوية مشتبه به باستخدام كشافين ضوئيين مختلفين. إذا بدت الهوية واضحة تحت كلا الضوئين، يمكنك التأكد من أنها حقيقية.
النتيجة: وجدوا أنه بينما الترددان متقاربان جداً (مثل درجتين مختلفتين من اللون الأزرق)، فإن النظام يعمل بشكل جيد للغاية في كليهما. وقد أثبت ذلك أن طريقتهم قوية ولا تعتمد على تخمين محظوظ بإعداد واحد فقط.

الخلاصة

النتيجة؟ ACCOR هو محقق بارع.

لقد حدد الأجسام المخفية بشكل صحيح بنسبة 96.6% عند تردد واحد و 93.6% عند التردد الآخر.
لقد تفوق على جميع نماذج الرادار السابقة، وحتى النماذج المصممة أصلاً للصور العادية (والتي تفشل فشلاً ذريعاً عند محاولة تغذيتها ببيانات الرادار).

لماذا يهم هذا؟
يمكن لهذه التكنولوجيا أن تُحدث ثورة في المستودعات، والمصانع، وحتى الأمن. تخيل روبوتات يمكنها فرز الطرود دون فتحها، أو أجهزة مسح أمني يمكنها الرؤية عبر الجدران للعثيد على الأدوات أو الأسلحة المخفية، وكل ذلك دون الحاجة إلى معدات باهظة الثمن أو ضخمة. إنها تحول "الصدى الضبابي" إلى إجابة واضحة وواثقة.

إليك ملخص تقني مفصل لورقة البحث بعنوان "ACCOR: التعلم التبايني المعقد المعزز بالانتباه لتصنيف الأجسام المحجوبة باستخدام إشارات IQ لرادار الموجات المليمترية (mmWave)."

1. بيان المشكلة

تتناول الورقة تحدي تصنيف الأجسام المحجوبة في البيئات الصناعية والروبوتية. وتحديداً، تركز على تحديد هوية الأجسام داخل التغليف المحكم (مثل الصناديق الكرتونية) دون وجود وصول بصري.

قصور المستشعرات البصرية: تفشل الكاميرات وLidar في الظروف القاسية (الضباب، الدخان، الظلام) ولا يمكنها اختراق المواد غير المعدنية مثل الكرتون.
قصور مناهج الرادار الحالية:
- تعتمد العديد منها على مصفوفات هوائيات ضخمة أو رادار الفتحة الاصطناعية (SAR) المسحي، وهي أدوات ضخمة وغير قابلة للتوسع في الأتمتة الصناعية المدمجة.
- تعالج النماذج العميقة الحالية غالباً البيانات المعالجة مسبقاً (مثل خرائط نطاق-دوپلر أو سحب النقاط)، مما يؤدي إلى فقدان معلومات الطور والسعة الجوهرية الموجودة في إشارات IQ (الطور والتردد) المركبة (Complex-Valued) الخام.
- تتعامل النماذج الحالية غالباً مع بيانات الرادار كصور ذات قيم حقيقية، مما يفقدها الثبات الدوراني والاقتران بين المقدار والطور الضروريين لإشارات الرادار.
- هناك نقص في التقييم المنهجي عبر نطاقات تردد مختلفة لتصنيف إشارات IQ.

2. المنهجية: إطار عمل ACCOR

يقترح المؤلفون ACCOR، وهو إطار عمل للتعلم العميق مصمم لمعالجة إشارات IQ الرادارية المركبة الخام مباشرة. تتكون البنية من ثلاثة مكونات رئيسية:

أ. معالجة البيانات مسبقاً

المستشعر: رادار FMCW MIMO يعمل بتردد 62–69 جيجاهرتز مع 20 إرسال (Tx) و20 استقبال (Rx) (400 قناة افتراضية).
المدخلات: يتم تحويل إشارات IQ الخام عبر تحويل فوريه السريع (FFT) لتوليد ملفات تعريف النطاق المركبة.
أبعاد المدخلات: تتكون العينة الواحدة من 400 إشارة مركبة، كل منها يحتوي على 100 خلية نطاق ( $s \in \mathbb{C}^{400 \times 100}$ ).

ب. بنية النموذج

الشبكة العصبية التلافيفية المركبة (Complex-Valued CNN Backbone):
- على عكس الشبكات التلافيفية القياسية التي تقسم إشارات I/Q إلى قنوات حقيقية، يعمل ACCOR بالكامل في النطاق المركب للحفاظ على علاقات الطور.
- يستخدم عمليات تلافيف مركبة، وتطبيع دفعات مركب، ودالة تنشيط ReLU مركبة.
- الهيكل: ثلاث طبقات تلافيفية مركبة (حجم النواة 5) متبوعة بتجميع متوسط مركب.
- إسقاط الميزات: يتم إسقاط الميزات المركبة إلى متجه حقيقي (عن طريق دمج الأجزاء الحقيقية والخيالية) لتسهيل آلية الانتباه.
الانتباه الذاتي متعدد الرؤوس (Multi-Head Self-Attention):
- تقوم طبقة انتباه ذاتي مكونة من 16 رأساً بمعالجة رموز الميزات ( $D=256$ ).
- الغرض: صقل الميزات من خلال التقاط التبعيات عبر نطاقي المدى والزاوية، مما يسمح للنموذج بالتركيز على الأجزاء الأكثر تمييزاً للبصمة الرادارية.
دالة الخسارة الهجينة:
- يتم تدريب النموذج باستخدام مزيج مرجح من الإنتروبي المتقاطعة (CE) والخسارة التباينية الخاضعة للإشراف (Supervised Contrastive Loss).
- الصيغة: $\ell_{total} = (1 - \alpha)\ell_{CE} + \alpha\ell_{contrastive}$
- المنطق: يمكن أن تكون إشارات الرادار للأجسام المختلفة متشابهة للغاية. تعمل الحد التبايني على إجبار النموذج على تعظيم المسافة بين الفئات المختلفة وتقليل المسافة بين عينات الفئة نفسها في فضاء الميزات، مما يعزز القدرة على الفصل.

3. المساهمات الرئيسية

البنية المركبة: تصميم هيكل CNN مدمج يعالج إشارات IQ المركبة خاماً، مما يحافظ على معلومات السعة والطور التي تفقدها النماذج ذات القيم الحقيقية.
استراتيجية الخسارة الهجينة: تقديم خسارة تباينية خاضعة للإشراف مدمجة مع الإنتروبي المتقاطعة لتحسين الفصل بين الفئات في فضاء الميزات، لمعالجة التشابه العالي في البصمات الرادارية.
توسيع نطاق التردد: توسيع مجموعة بيانات موجودة بتردد 64 جيجاهرتز بإضافة مجموعة فرعية جديدة بتردد 67 جيجاهرتز. يتيح ذلك أول تحليل مقارن لتصنيف الأجسام المحجوبة عبر هذه النطاقات الترددية المحددة باستخدام نفس الأجهزة والإعدادات.
أداء يتفوق على المعايير السابقة: إثبات أن ACCOR يتفوق على كل من نماذج الرادار المتخصصة ونماذج تصنيف الصور المكيفة (مثل ResNet وEfficientNet) في هذه المهمة.

4. النتائج التجريبية

تم تقييم النموذج على مجموعة بيانات مكونة من 10 أجسام يومية (مثل المطرقة، المفك، زجاجة الماء) داخل صناديق كرتونية محكمة الإغلاق.

الدقة:
- 64 جيجاهرتز: دقة 96.60%.
- 67 جيجاهرتز: دقة 93.59%.
- المقارنة: تفوق ACCOR بشكل كبير على أفضل نموذج رادار أساسي (الشبكة العصبية ثنائية المسار: 95.15% عند 64 جيجاهرتز) وعلى جميع نماذج الصور المكيفة (ResNet-18: 93.36% عند 64 جيجاهرتز).
دراسات الاستئصال (Ablation Studies):
- وزن الخسارة ( $\alpha$ ): تم تحقيق أفضل أداء مع $\alpha = 0.4$ (64 جيجاهرتز) و $\alpha = 0.5$ (67 جيجاهرتز). أدت الإنتروبي المتقاطعة الصرفة ( $\alpha=0$ ) إلى دقة أقل (~94.5%)، مما أكد فائدة التعلم التبايني.
- المركب مقابل الحقيقي: استبدال الهيكل المركب بنظير ذي قيم حقيقية (تقسيم قنوات I/Q) أدى إلى انخفاض كبير في الدقة (على سبيل المثال، من 96.60% إلى 90.70% عند 64 جيجاهرتز)، مما يثبت ضرورة المعالجة في النطاق المركب.
- تصوير فضاء الميزات: أظهرت مخططات t-SNE أن الخسارة الهجينة خلقت تكتلات أكثر إحكاماً لنفس الفئة وفصلاً أفضل بين الفئات المختلفة مقارنة بالإنتروبي المتقاطعة وحدها.
تحليل التردد: بينما حقق تردد 64 جيجاهرتز دقة أعلى قليلاً، وفر كلا النطاقين معلومات كافية لتحقيق دقة تزيد عن 90%. الفرق الصغير في الطول الموجي (0.21 مم) يعني أن قدرات الاختراق كانت متشابهة، رغم أن استخراج الميزات اختلف قليلاً بين النطاقين.

5. الأهمية والخاتمة

الأثر الصناعي: يثبت ACCOR أن رادارات MIMO mmWave المدمجة ومنخفضة التكلفة يمكن أن تحل بفعالية محل أو تعزز المستشعرات البصرية للفحص غير البصري في اللوجستيات، وإدارة المخزون، والفرز الآلي.
التقدم المنهجي: تؤكد الورقة أن التعلم العميق ذو القيم المركبة المدمج مع آليات الانتباه والتعلم التبايني يتفوق على النهج التقليدية ذات القيم الحقيقية أو القائمة على الصور لمعالجة إشارات الرادار الخام.
العمل المستقبلي: يشير المؤلفون إلى أنه بينما تعتبر مجموعة البيانات الحالية إثباتاً للمفهوم، يجب أن يركز البحث المستقبلي على مجموعات بيانات أكبر، وأنواع أكثر تنوعاً من الأجسام، وفجوات تردد أوسع لزيادة صقل تحليل الاختراق والمتانة.

باختصار، يضع ACCOR معياراً جديداً لتصنيف الأجسام المحجوبة من خلال الاستفادة من كامل محتوى المعلومات لإشارات IQ الخاصة برادار الموجات المليمترية عبر بنية شبكة عصبية متخصصة ذات قيم مركبة.