← أحدث الأبحاث
⚡ الهندسة الكهربائية

Parallax-aware and MAB-empowered Beam Training for Modular XL-MIMO Systems

تقترح هذه الورقة مخططاً لتدريب الحزم يعتمد على إدراك اختلاف المنظر (parallax-aware) ومعزز بخوارزمية "المندلس متعدد الأذرع" (multi-armed bandit) لأنظمة XL-MIMO النمطية، يجمع بشكل تآزري بين التحديثات التكيفية لكتيب الرموز واستراتيجية أخذ عينات "ثومبسون" الأسية الجشعة لضغط فضاء الإجراءات ديناميكياً وتحسين اختيار الحزمة، مما يحقق مكاسب جوهرية في الكفاءة الطيفية الفعالة مع تقليل كبير في عبء تدريب الحزم في بيئات الحقل القريب والبعيد الهجينة.

المؤلفون الأصليون: Chuanpeng Xu, Huibin Liang, Yunchao Song, Chen Liu, Yusong Wang

نُشر 2026-10-27
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Chuanpeng Xu, Huibin Liang, Yunchao Song, Chen Liu, Yusong Wang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

في السباق لبناء الجيل القادم من الشبكات اللاسلكية، يدفع المهندسون الهوائيات لتصبح أكبر وأقوى من أي وقت مضى. تخيل جداراً من هوائيات الراديو يمتد لأمتار، محتشداً بمئات العناصر الصغيرة. هذا النطاق الهائل يسمح للإشارات بالسفر لمسافات أبعد وحمل المزيد من البيانات، لكنه يخلق مشكلة معقدة: البيئة المحيطة بهذه الهوائيات ليست متجانسة. فبعض الإشارات ترتد عن الأجسام القريبة، وتتصرف مثل التموجات المنتشرة من حجر أُلقي في بركة ماء، بينما ينتقل البعض الآخر من مسافة بعيدة، واصلاً على شكل موجات مسطحة ومتوازية. ولأن جدار الهوائيات عريض جداً، فإنه يرى هذين النوعين من الموجات في الوقت ذاته، وتتغير أفضل طريقة لالتقاط الإشارة اعتماداً على الموقع الدقيق الذي يقف فيه المستخدم. وإذا حاول النظام تخمين الاتجاه الصحيح عبر اختبار كل احتمال ممكن، فإنه يهدر الكثير من الوقت والطاقة لدرجة أن نقل البيانات الفعلي سيتباطأ حتى يتوقف تقريباً.

ولحل هذه المعضلة، طور باحثون في جامعة نانجينغ للاتصالات في مقاطعة جيانغسو طريقة أكثر ذكاءً لإيجاد أفضل مسار للإشارة دون إضاعة الوقت في طرق مسدودة. لقد ابتكروا نظاماً يعمل مثل دليل خبير يتعلم تضاريس الأرض أثناء سيره. فبدلاً من التحقق بشكل أعمى من كل زاوية في جدار الهوائيات، يقوم النظام أولاً ببناء خريطة بناءً على التخطيط المادي للأجهزة. فهو يدرك أنه نظراً لأن جدار الهوائيات كبير جداً، فإن الزاوية المطلوبة لإصابة جسم قريب تبدو مختلفة من طرف إلى آخر في الجدار، وهي ظاهرة تُعرف باسم "اختلاف المنظر" (parallax). ومن خلال مراعاة هذا الانزياح، ينشئ النظام قائمة أولية من الاتجاهات المحتملة التي تغطي المنطقة دون ترك فجوات.

بمجرد أن تصبح هذه الخريطة الأولية جاهزة، يبدأ النظام في التعلم. فهو يختبر بعض الاتجاهات ويستمع إلى التغذية الراجعة من جهاز المستخدم. إذا أعطى اتجاه معين إشارة قوية، يتذكرها النظام. وإذا كان الاتجاه مجرد ضجيج، فإنه يضع علامة عليه كونه عديم الفائدة. وقد استخدم الباحثون طريقة تعلم مستوحاة من كيفية اختيار المقامر لماكينة القمار التي قد يلعبها، حيث يوازن بين الحاجة إلى تجربة خيارات جديدة والرغبة في التمسك بما هو معروف بالفعل بأنه يعمل جيداً. ومع جمع النظام لمزيد من البيانات، فإنه يكتشف متى وجد نمطاً مستقراً. وعند تلك النقطة، يقوم بحيلة ذكية: يأخذ الاتجاهات الناجحة التي وُجدت في جزء واحد من جدار الهوائيات ويعكسها على الأجزاء الأخرى، مع تعديلها وفقاً للمسافة الفيزيائية بينها. وهذا يسمح للنظام بمعرفة الاتجاهات الواعدة للجدار بأكمله فوراً، بدلاً من اختبارها واحداً تلو الآخر.

ولضمان عدم إضاعة الوقت في المساحات الفارغة، يقوم النظام أيضاً بإجراء فحص إحصائي للتأكد مما إذا كانت الإشارة حقيقية أم مجرد تشويش عشوائي. وإذا تأكد أن اتجاهاً ما فارغ، يقوم النظام بإزالته من قائمة خياراته تماماً. وتتم عملية تقليم قائمة الاحتمالات هذه باستمرار، مما يقلص مساحة البحث حتى لا يظل النظام يبحث إلا في المسارات الأكثر واعدة. وفي عمليات المحاكاة الحاسوبية، أثبت هذا النهج كفاءة عالية؛ فقد وصل النظام إلى أفضل أداء له بشكل أسرع بكثير من الطرق القديمة، وحافظ على معدل عالٍ لنقل البيانات حتى عندما كان يتعين على الإشارة الانتقال عبر بيئات معقدة تحتوي على العديد من المسارات المرتدة. ومن خلال الجمع بين الفهم المادي لشكل الهوائي وخوارزمية تعلم تتكيف في الوقت الفعلي، أظهر الباحثون أنه من الممكن الحصول على القوة الكاملة لمصفوفات الهوائيات الضخمة هذه دون التكلفة الباهظة للبحث الشامل والمستمر.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →