⚡ electrical engineering

Hybrid-Field Channel Estimation for XL-MIMO Systems: Dictionary-based Sparse Signal Recovery

تقترح هذه الورقة طريقة لاستعادة الإشارات المتفرقة القائمة على القاموس لتقدير القناة في الحقول الهجينة في أنظمة XL-MIMO، والتي تحدد عدد مسارات الانتشار بشكل تكيفي دون معرفة مسبقة بمستويات التفرق أو نسب الحقل القريب/الحقل البعيد، مع التخفيف من عدم تطابق الشبكة من خلال التحسين المستمر للمعلمات.

المؤلفون الأصليون: David William Marques Guerra, Taufik Abrao

نُشر 2026-02-04

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: David William Marques Guerra, Taufik Abrao

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 تحاول الاستماع إلى محادثة في ملعب ضخم ومزدحم (شبكة الجيل السادس 6G المستقبلية). الملعب ضخم جدًا لدرجة أن الموجات الصوتية تتصرف بشكل مختلف اعتمادًا على مكان وقوف المتحدثين.

المجال البعيد (الجمهور البعيد): إذا كان شخص ما بعيدًا، فإن صوته يصل إليك كموجة مسطحة وناعمة، مثل نسيم لطيف يضرب جدارًا.
المجال القريب (الشخص الذي بجانبك): إذا كان شخص ما يقف بجانب الميكروفون مباشرة، فإن صوته يصل إليك كموجة كروية منتشرة، مثل التموجات في بركة تتوسع نحو الخارج.

في أنظمة XL-MIMO (المداخل والمخارج المتعددة ذات النطاق الواسع للغاية)، تكون مصفوفة الهوائيات كبيرة جدًا لدرجة أنها تلتقط كلا النوعين من الموجات في نفس الوقت. وهذا ما يسمى بـ المجال الهجين (Hybrid-Field). التحدي يكمل في أن "الصوت" (إشارة البيانات) يتداخل، ويحتاج المستقبل إلى معرفة من المتحدث بالضبط، وكم يبعد المسافة، وكيف يبدو صوته، كل ذلك مع تجاهل ضوضاء الخلفية.

إليك كيف تحل هذه الورقة البحثية هذه المشكلة، باستخدام تشبيهات بسيطة:

1. المشكلة: البحث "الأعمى"

تقليديًا، لكي يجد المهندسون هذه الإشارات، كان عليهم تخمين شيئين مسبقًا:

كم عدد الأشخاص الذين يتحدثون؟ (عدد مسارات الإشارة).
ما هو الانقسام بين المتحدثين القريبين والبعيدين؟ (نسبة الموجات الكروية إلى الموجات المسطحة).

إذا أخطأت في التخمين، فسيكون تقديرك خاطئًا. كان الأمر يشبه محاولة العث إبرة في كومة قش بينما قيل لك: "هناك بالضبط 5 إبر، و3 منها زرقاء"، لكنك في الواقع لا تعرف ما إذا كان ذلك صحيحًا أم لا.

2. الحل: محقق ذكي ومتكيف

يقترح المؤلفون طريقة جديدة تسمى $\epsilon$ -OMP-SSIGW. فكر في هذه الطريقة كمحقق ذكي جدًا لا يحتاج لمعرفة عدد الإبر مسبقًا.

القاموس (قائمة المشتبه بهم): يمتلك النظام "قاموسًا" ضخمًا أو قائمة بكل الزوايا والمسافات الممكنة التي يمكن أن تأتي منها الإشارة. إنه يشبه ألبوم صور لكل زاوية ومسافة محتملة.
عملية البحث (الاختيار الجشع): ينظر المحقق إلى الإشارة المختلطة ويختار "المشتبه به" (الذرة من القاموس) الذي يطابق الإشارة بشكل أفضل.
علامة "التوقف" (قاعدة المتبقي): بدلًا من التخمين بعدد الأشخاص الذين يتحدثون، يستمر المحقق في اختيار المشتبه بهم حتى يصبح "الضجيج المتبقي" (الرواسب) صغيرًا بما يكفي. بمجرد أن يصبح الضجيج المتبقي مجرد تشويش عشوائي، يتوقف المحقق. هذا يعني أن النظام يكتشف تلقائيًا عدد المسارات الموجودة دون الحاجة لإخبار إنسان بها.

3. التحسين: ضبط الراديو

بمجرد اختيار مشتبه به، يكون التخمين الأولي عادةً "خارج الشبكة" (مثل تخمين أن شخصًا ما على بُعد 10 أمتار بينما هو في الواقع على بُعد 10.4 متر).

الطريقة القديمة: حاولت الطرق السابقة إصلاح ذلك من خلال حسابات رياضية ضخمة ومعقدة (مثل محاولة حل لغز عملاق دفعة واحدة).
الطريقة الجديدة: تستخدم هذه الورقة البحثية نهج "الضبط الدقيق". إنها تعامل التعديل مثل تدوير مقبض واحد في راديو. فهي تقوم بإجراء تعديلات صغيرة وبسيطة على الزاوية والمسافة واحدًا تلو الآخر.
- تشبيه: تخيل أنك تحاول ضبط التركيز في صورة ضبابية. الطرق القديمة حاولت إعادة كتابة كود الصورة بالكامل. هذه الطريقة الجديدة تقوم فقط بتحريك حلقة التركيز قليلاً حتى تصبح الصورة حادة. هذا يجعلها أسرع بكثير وتتطلب قدرة حوسبة أقل.

4. النتائج: أسرع وأكثر دقة

اختبرت الورقة البحثية هذا المحقق الجديد مقابل ثماني طرق أخرى رائدة.

الدقة: وجدت الإشارات بدقة أكبر من الطرق الأخرى، سواء كان المتحدثون بعيدين، قريبين، أو مزيجًا من الاثنين.
السرعة: نظرًا لأنها تستخدم رياضيات "تدوير المقبض" البسيطة بدلًا من رياضيات "حل الألغاز" الثقيلة، فهي تعمل بشكل أسرع بكثير.
المتانة: تعمل بشكل جيد حتى لو لم يكن النظام يعرف مستوى الضوضاء بدقة تامة.

ملخص

باختصار، تقدم هذه الورقة البحثية طريقة أذكى وأسرع لشبكات الجيل السادس المستقبلية لـ "الاستماع" إلى الإشارات في مصفوفات الهوائيات الضخمة. فهي تتوقف عن التخمين حول عدد الإشارات، وتستمع بدلاً من ذلك حتى يختفي الضجيج. ثم تستخدم تعديلات بسيطة وخطوة بخطوة لتحديد مكان ورود الإشارات بدقة، مما يجعل العملية بأكملها أكثر كفاءة وموثوقية.

ملخص تقني: تقدير قناة المجال الهجين لأنظمة XL-MIMO

بيان المشكلة
تُعد أنظمة المدخلات والمخرجات المتعددة واسعة النطاق للغاية (XL-MIMO) ركيزة أساسية لشبكات الجيل السادس (6G) المستقبلية، حيث توفر مكاسب كبيرة في كفاءة الطيف والقدرة على التمييز المكاني. ومع ذلك، فإن الفتحات الهوائية الضخمة في أنظمة XL-MIMO تخلق بيئة انتشار فريدة حيث يفشل افتراض الموجة المستوية للمجال البعيد (FF) التقليدي بالنسبة للعديد من المشتتات. بدلاً من ذلك، يظهر نظام "المجال الهجين" (HF)، والذي يتميز بوجود موجات مستوية من المجال البعيد (FF) وموجات كروية من المجال القريب (NF) في آن واحد. ويعد الحصول على معلومات حالة القناة (CSI) الدقيقة أمراً ضرورياً لاستغلال إمكانات XL-MIMO، إلا أن تقدير قنوات المجال الهجين يمثل تحدياً نظراً للحاجة إلى نمذجة التغيرات الزاوية والمسافات في وقت واحد.

تعاني النهج الحالية، مثل طريقة "المطابقة المتوافقة للمجال الهجين" (HF-OMP) وطرق "إسقاط التدرج المتناثر" (SGP)، من قيود عملية؛ إذ تتطلب العديد منها معرفة مسبقة بمستوى ندرة القناة ( $L$ ) ونسبة المسارات بين المجال القريب والمجال البعيد ( $\gamma$ ). كما تعتمد طرق أخرى على عمليات مكلفة حاسوبياً، مثل المعكوسات شبه المصفوفية أو خطوات التدرج متعددة الأبعاد لتنقية المعلمات. هذه التبعيات والتعقيدات تعيق النشر القوي في بيئات XL-MIMO الديناميكية.

المنهجية
يقترح المؤلفون إطار عمل موحد لتقدير القناة يسمى $\epsilon$ -OMP–SSIGW (طريقة المطابقة المتوافقة $\epsilon$ -المنظمة مع التثقيل المتكرر المبسط غير الشبكي). يقوم هذا النهج بنمذجة قناة المجال الهجين كمجموع لمكونات المجال البعيد والمجال القريب، مستفيداً من الندرة المتأصلة في القناة في كل من النطاق الزاوي (DFT) والنطاق القطبي (الزاوية والمسافة).

تتضمن المنهجية الجوهرية عملية جشعة وتكرارية:

الاختيار القائم على القاموس: يُستخدم قاموس مدمج يحتوي على كل من ذرات المجال البعيد (الزاوية) وذرات المجال القريب (القطبية). وفي كل تكرار، يتم اختيار الذرة الأكثر ارتباطاً بالبواقي الحالية.
عدّ المسارات التكيفي: على عكس الطرق السابقة، لا تتطلب الخوارزمية مدخلات لـ $L$ أو $\gamma$ . وبدلاً من ذلك، تستخدم قاعدة توقف قائمة على البواقي ( $\|r\|^2/N \leq \sigma^2$ ) لتحديد عدد المسارات الهامة تلقائياً، مما يجعلها قوية تجاه هياكل القناة غير المعروفة.
التنقية المبسطة (SSIGW): بمجرد اختيار ذرة ما، تقوم الطريقة بعملية تنقية "من الخشن إلى الناعم" للتخفيف من عدم تطابق الشبكة.
- تحديث الكسب: يتم تحديث كسب المسار باستخدام حل "المربعات الصغرى" (LS) القياسي المغلق المشتق من هيكل تنقية أحادي العمود، مما يتجنب العمليات شبه المصفوفية.
- تنقية المعلمات: يتم تنقية المعلمات الزاوية والمسافة باستخدام تدرجات قياسية يتم تحديثها عبر بحث "آرميجو" (Armijo) التراجعي للخلف، وهذا يتناقض مع الأعمال السابقة التي تستخدم تدرجات مصفوفية معقدة.
الإنهاء: تستمر العملية حتى ينخفض متوسط مربع الخطأ (MSE) عن عتبة تعتمد على الضوضاء أو الوصول إلى الحد الأقصى لعدد التكرارات.

المساهمات الرئيسية

التقدير الأعمى: تعمل الطريقة المقترحة دون معرفة مسبقة بإجمالي مستوى الندرة ( $L$ ) أو نسبة تقسيم مسارات المجال القريب/البعيد ( $\gamma$ ). وهي تتطلب فقط تقديراً لتباين الضوضاء، وهو أمر يمكن الحصول عليه عملياً.
الكفاءة الحسابية: من خلال اشتقاق تعبيرات مغلقة لتحديثات الكسب واستخدام تدرجات قياسية لتنقية المعلمات، نجح المؤلفون في تقليل التعقيد الحسابي لكل تكرار بشكل كبير مقارنة بالنهج القائمة على المصفوفات مثل SGP أو متغيرات OMP القياسية.
نموذج مجال هجين موحد: يقدم هذا العمل إطار تقدير موحداً يتعامل بسلاسة مع مكونات المجال البعيد والمجال القريب ضمن مشكلة استعادة متناثرة واحدة، بدلاً من معاملتها كمراحل متسلسلة منفصلة.
المتانة: صُممت الخوارزمية لتكون قوية ضد عدم تطابق تباين الضوضاء وأخطاء التجزئة الشبكية من خلال آلية التنقية التكرارية الخاصة بها.

النتائج
أُجريت محاكاة عددية في كل من ظروف عدم وجود خط رؤية (NLoS) وظروف مختلطة من وجود خط الرؤية وعدمه (LoS/NLoS)، مع مقارنة $\epsilon$ -OMP–SSIGW مقابل ثمانية من أفضل المعايير الحالية، بما في ذلك LS وMMSE ومتغيرات HF-OMP وطرق HF-SGP.

الدقة: حقق المقدر المقترح أدنى متوسط لمربع الخطأ الموزع (NMSE) عبر كامل نطاق نسبة الإشارة إلى الضوضاء (SNR) في كل من سيناريوهات LoS وNLoS. وقد تفوق بشكل ملحوظ على الطرق التي تتطلب معرفة مسبقة بـ $L$ و $\gamma$ .
التعقيد: بينما تتحمل $\epsilon$ -OMP–SSως المحدثة عبئاً إضافياً طفيفاً مقارنة بـ $\epsilon$ -OMP الأساسية، إلا أنها تظل أسرع بكثير من طرق HF-SGP ومتغيرات HF-OMP القائمة على البحث الشامل. وقد أظهر وقت التشغيل أنه مستقل عن نسبة الإشارة إلى الضوضاء (SNR) ويهيمن عليه عمليات مصفوفية ثابتة.
التكيف: أكدت المحاكاة أن المقدر يصحح عدد المسارات المكتشفة ( $L_{est}$ ) بناءً على معايير SNR والبواقي، مما يثبت قدرته على العمل دون إدخال $L$ صريح.

الأهمية
يزعم البحث أن إطار عمل $\epsilon$ -OMP–SSIGW يوفر حلاً عملياً وفعالاً حاسوبياً لتقدير قناة المجال الهجين في أنظمة XL-MIMO. ومن خلال إلغاء الحاجة إلى المعرفة المسبقة بندرة القناة ونسب المسارات، وعبر تبسيط العمليات الرياضية المطلوبة للتنقية، تحقق الطريقة توازناً فائقاً بين الأداء والتعقيد. ويرى المؤلفون أن هذا يجعل المقدر مناسباً بشكل خاص للنشر في العالم الحقيقي حيث تكون خصائص القناة ديناميكية وغير معروفة. ويمهد هذا العمل الطريق لتوسعات مستقبلية تشمل معدات المستخدم متعددة الهوائيات، وهندسات المصفوفات العامة (UPA)، ونمذجة عيوب الأجهزة.