التعلم العميق لتحديد موقع SISO الموثوق به باستخدام RIS في ظل عدم تطابق النموذج العملي
DOI:
https://doi.org/10.51984/mtghd007الكلمات المفتاحية:
سطح ذكي قابل لإعادة التشكيل (RIS )، تحديد الموقع، مدخل واحد، مخرج واحد(SISO) ، التعلم العميق، المتانة، عدم تطابق النموذج، الموثوقية، النسبة المئوية 90% (P90)الملخص
أظهرت الأسطح الذكية القابلة لإعادة التشكيل (RISs) إمكانات كبيرة لتحسين تحديد موقع المستخدم في أنظمة الإدخال والإخراج الأحادي (SISO)، حيث تُجهز كل من محطة القاعدة (BS) وجهاز المستخدم (UE) بهوائي واحد. مع ذلك، في بيئات الاتصالات اللاسلكية العملية، قد تتأثر دقة تحديد الموقع بتغيرات نسبة الإشارة إلى الضوضاء (SNR)، وانتشار الإشارات عبر مسارات متعددة، والتشوهات المتعلقة بالأجهزة. قد تُحدث هذه العوامل عدم تطابق بين نموذج النظام المفترض والإشارات المُستقبلة، مما يُقلل من أداء مُقدِّرات تحديد الموقع التقليدية القائمة على النموذج. لمعالجة هذه المشكلة، يقترح هذا العمل نهجًا للتعلم العميق متعدد المجالات لتحديد الموقع ثلاثي الأبعاد في وصلة الإرسال الهابطة في أنظمة SISO المُفعَّلة بتقنية RIS. تُنشئ الطريقة المقترحة موترًا للملاحظة من قياسات إشارات OFDM التجريبية عن طريق تحويل الإشارات المُستقبلة إلى مجال التأخير باستخدام تحويل فورييه العكسي السريع (IFFT)، متبوعًا بتطبيع مناسب. يتم تدريب الشبكة في ظل مستويات مختلفة من نسبة الإشارة إلى الضوضاء وظروف تشوهات مختلفة لتحسين متانتها في مواجهة حالات عدم تطابق النموذج العملية. تُظهر نتائج المحاكاة أن الطريقة المقترحة تُحسّن دقة تحديد الموقع، كما يُقاس بمتوسط الجذر التربيعي للخطأ (RMSE)، وتعزز الموثوقية، كما يُقاس بخطأ النسبة المئوية التسعين (p90). وبالمقارنة مع المُقدِّرات التقليدية القائمة على النماذج، تُوفر الطريقة المقترحة أداءً أكثر استقرارًا عبر قيم نسبة الإشارة إلى الضوضاء المختلفة وسيناريوهات تعدد المسارات، لا سيما في تقليل عدد حالات الخطأ العالي.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 وقائع مؤتمرات جامعة سبها
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
