A Residual Neural Network Framework for Rotating Sound Source Localization

تخيل أنك تحاول سماع صوت واحد في غرفة مزدحمة حيث يدور الجميع من حولك. إن الموجات الصوتية التي تصل إلى أذنيك تتغير باستمرار في حدتها وتوقيتها، مما يخلق فوضى عارمة تجعل من المستحيل تقريبًا تحديد من يتحدث. هذا هو التحدي الجوهري الذي يواجهه المهندسون عند محاولة تحديد موقع مصدر الضجيج من الآلات الدوارة، مثل شفرات توربينات الرياح أو المراوح داخل المحركات النفاثة. لعقود من الزمن، استخدم العلماء مصفوفات من الميكروفونات لالتقاط هذه الأصوات ورسم خرائط لمصدرها. ومع ذلك، عندما يكون مصدر الصوت دوارًا، فإن الحركة تخلق ظاهرة تُعرف باسم "تأثير دوبلر"، والتي تشوه الموجات الصوتية تمامًا كما يتغير حدة صوت سيارة الإسعاف أثناء مرورها بسرعة بجانبك. وغالبًا ما تكون الطرق التقليدية لفك هذا التشوه بطيئة، وتستهلك قدرات حوسبة هائلة، وعرضة لإنشاء "إشارات شبحية" — وهي إنذارات كاذبة توحي بوجود مصدر ضوضاء في مكان لا يوجد فيه شيء في الواقع.

لقد طور فريق من الباحثين في جامعة شانغهاي جياوتونغ وشركة AECC لتصنيع محركات الطائرات التجارية نهجًا جديدًا لحل هذه المشكلة عن طريق تعليم الكمبيوتر التعرف على أنماط الضوضاء الدوارة مباشرة. وبدلاً من الاعتماد على صيغ رياضية معقدة لتصحيح الحركة الدوارة يدويًا، قاموا بتدريب نوع من الذكاء الاصطناعي يسمى "الشبكة العصبية المتبقية" (ResNet)، لكي تنظر إلى البيانات الخام من الميكروفونات وتحدد الموقع الحقيقي للصوت فورًا. وفي سلسلة من عمليات المحاكاة الحاسوبية التفصيلية، أثبت هذا النظام الجديد فعالية ملحوظة؛ فقد نجح في تحديد مواقع المصادر الصوتية الدوارة بدقة تصل إلى 98.83 بالمائة، حتى عندما جاء الضجيج من نقاط دوارة متعددة في آن واحد. ولعل الأمر الأكثر إثارة للإعجاب هو أن النظام اتخذ هذه القرارات في أقل من 50 مللي ثانية، وهي سرعة تفوق بمراحل الطرق التقليدية المستخدمة حاليًا، والتي قد تستغرق عدة ثوانٍ لمعالجة نفس المعلومات.

يكمن جوهر هذا الابتكار في كيفية إعداد الباحثين للبيانات ليتعلمها الكمبيوتر. في تحليل الصوت القياسي، يستخدم العلماء غالبًا أداة رياضية تسمى "مصفوفة الطيف المتقاطع"، والتي تعمل كخريطة توضح كيفية ارتباط الموجات الصوتية من ميكروفونات مختلفة ببعضها البعض. بالنسبة للأجسام الثابتة، تكون هذه الخريطة واضحة وسهلة القراءة، ولكن بالنسبة للأجسام الدوارة، تصبح الخريطة مشوشة بسبب تأثير دوبلر، مما يجعل من الصعب على الخوارزميات التقليدية التمييز بين المصادر الحقيقية والضجيج. أدرك الباحثون أن تقنية محددة، تُعرف باسم "تكوين شعاع النمط" (mode composition beamforming)، يمكنها إعادة تنظيم هذه البيانات المشوشة إلى تنسيق يحافظ على المعلومات المكانية الأساسية مع مراعاة الدوران. وقد قاموا بتغذية هذه البيانات المعاد تنظيمها في شبكتهم العصبية، المصممة بهيكل خاص يسمح لها بتعلم الأنماط العميقة والمعقدة دون ارتباك أو ضياع، وهي مشكلة شائعة عند تدريب النماذج الحاسوبية الكبيرة جدًا.

لاختبار نظامهم، أنشأ الفريق آلاف السيناريوهات المحاكية التي تتضمن مصادر صوتية دوارة بسرعات وترددات وكثافات متفاوتة. واستخدموا مصفوفة ميكروفونات مكونة من 16 ميكروفونًا مرتبة في دائرة، وهو إعداد يحاكي المعدات المستخدمة في التشخيصات الصناعية في العالم الحقيقي. غطت عمليات المحاكاة نطاقًا واسعًا من الظروف، بما في ذلك مصادر تدور بسرعة تتراوح بين 500 و2500 دورة في الدقيقة وتصدر أصواتًا في نطاق التردد العالي من 4500 إلى 5000 هرتز. كما اختبر الباحثون النظام تحت ترتيبات هندسية مختلفة، حيث وضعوا مصفوفة الميكروفونات بشكل موازٍ وموازي لمستوى المصدر الدوار. وفي كل حالة، تمكنت الشبكة العصبية من تحديد العدد الصحيح لمصادر الصوت ومواقعها الدقيقة، مما أدى فعليًا إلى تصفية الإشارات الزائفة التي تعيب الطرق القديمة.

كان أحد أهم النتائج هو قدرة النظام على القضاء على "المساهمات الشبحية". ففي عملية تكوين الشعاع التقليدية، غالبًا ما يؤدي التشوه الناتج عن الدوران إلى خلق صور وهمية لمصادر الصوت عند ترددات غير موجودة فعليًا. يمكن لهذه الأشباح أن تضلل المهندسين وتوهمهم بوجود مشكلات ضوضاء متعددة بينما لا يوجد سوى مشكلة واحدة، أو يمكنها حجب الموقع الحقيقي لخلل حرج. ومع ذلك، تعلم إطار العمل الجديد القائم على ResNet تجاهل هذه الشوائب تمامًا. وفي الاختبارات التي تحدى فيها النظام بوجود ما يصل إلى ستة مصادر دوارة متميزة، تمكن من تحديد جميعها بشكل صحيح دون توليد أي نتيجة إيجابية كاذبة. وهذا المستوى من الدقة أمر بالغ الأهمية لتطبيقات مثل تشخيص الأعطال في محركات الطائرات، حيث يمكن لتحديد المصدر الدقيق للضوضاء أن يمنع وقوع كوارث.

توفر سرعة الطريقة الجديدة ميزة رئيسية أخرى للعمل الهندسي العملي. فبينما يمكن للطريقة التقليدية في المجال الزمني المعروفة باسم ROSI أن تستغرق أكثر من أربع ثوانٍ لتحليل حالة واحدة، وتستغرق طريقة MCB في المجال الترددي أكثر من 800 مللي ثانية، يقدم النموذج العصبي إجابته في أقل من 50 مللي ثانية. هذا الاختزال الهائل في وقت المعالجة يعني أنه يمكن استخدام النظام في النهاية للمراقبة في الوقت الفعلي، مما يسمح للمهندسين بمراقبة صحة الآلة أثناء تشغيلها بدلاً من انتظار تحليل متأخر. وأشار الباحثون إلى أن النظام يعمل بشكل أفضل عندما يتطابق تكوين الميكروفونات مع التكوين الذي تم التدريب عليه، وأن إنشاء الكم الهائل من بيانات التدريب المطلوبة للمحاكاة استغرق وقتًا وقدرة حوسبية كبيرة. ومع ذلك، بمجرد تدريب النموذج، فإنه يعمل باتساق وسرعة لا يمكن للحساب اليدوي مضاهاتها.

كما سلطت الدراسة الضوء على قيود النهج الحالي ونقاط القوة المحددة لهذا الإطار الجديد. وجد الباحثون أن مجرد جعل الشبكة العصبية أكثر عمقًا أو تعقيدًا لم يضمن دائمًا نتائج أفضل؛ بل في الواقع، مع عدم كفاية بيانات التدريب، كان أداء النموذج الأكثر تعقيدًا أسوأ من النموذج الأبسط. وهذا يشير إلى أن جودة وكمية بيانات التدريب لا تقل أهمية عن بنية الشبكة نفسها. علاوة على ذلك، وبينما يتفوق النظام في البيئات المحاكية المختبرة، أقر الباحثون بأن الظروف الواقعية، مثل الضوضاء الخلفية غير المتوقعة أو الإعدادات الفيزيائية المختلفة، ستتطلب مزيدًا من التكيف. واقترحوا أن العمل المستقبلي يمكن أن يتضمن دمج البيانات المحاكية مع البيانات التجريبية الحقيقية لجعل النظام أكثر قوة وقابلية للتكيف.

في نهاية المطاف، يمثل هذا البحث تحولًا في كيفية مقاربة المهندسين لمشكلة الصوت الدوار. فمن خلال الابتعاد عن التصحيحات الرياضية الجامدة والتوجه نحو نهج التعلم القائم على البيانات، أثبت الفريق أنه من الممكن الرؤية من خلال تشوه الآلات الدوارة بوضوح غير مسبوق. إن القدرة على تحديد مواقع المصادر الصوتية بدقة تقارب المثالية، باستخدام مصفوفة مكونة من 16 ميكروفونًا فقط ودون الحاجة لمعرفة الخصائص الفيزيائية الدقيقة لمسار الصوت، تفتح آفاقًا جديدة للتحكم في الضوضاء والتشخيص الميكانيكي. ومع نضوج هذه التكنولوجيا، فإنها تعد بتحويل كيفية استماعنا إلى الآلات التي تدير عالمنا، محولةً دوامة فوضوية من الأصوات إلى خريطة واضحة وقابلة للتنفيذ توضح مصدر الضجيج بدقة.