إطار عمل هجين لتقدير القناة باستخدام الشبكات العصبية الالتفافية وشبكات الذاكرة طويلة المدى ثنائية الاتجاه لأنظمة DVB-T2 في ظل ظروف التلاشي المتغيرة مع الزمن
DOI:
https://doi.org/10.65421/jibas.v2i2.85الكلمات المفتاحية:
البث التلفزيوني الرقمي الأرضي من الجيل الثاني، الشبكات العصبية التلافيفية، شبكات الذاكرة طويلة المدى ثنائية الاتجاه، الاستفادة من الإشارات التجريبية المبعثرة، استغلال التبعيات الزمنيةالملخص
لا يزال البث التلفزيوني الرقمي الأرضي من الجيل الثاني (DVB-T2) حجر الزاوية في البث التلفزيوني الأرضي، إلا أن أداءه يتدهور بشكل ملحوظ في سيناريوهات الحركة العالية نتيجة للتغيرات السريعة في القناة التي تُخالف افتراض شبه الثبات الذي يقوم عليه التقدير التقليدي القائم على الإشارات التجريبية. تقدم هذه الورقة البحثية إطار عمل هجينًا جديدًا للتعلم العميق يجمع بين الشبكات العصبية الالتفافية (CNNs) وشبكات الذاكرة طويلة المدى ثنائية الاتجاه (BiLSTM) لتقدير القناة بدقة عالية في أنظمة DVB-T2 التي تعمل في ظل تلاشي انتقائي التردد متغير مع الزمن. تستفيد الطريقة المقترحة من الإشارات التجريبية المبعثرة لالتقاط الارتباطات المحلية بين الزمن والتردد، مع استغلال التبعيات الزمنية بين رموز OFDM. تُظهر نتائج المحاكاة أن النهج المقترح يُحقق تحسنًا بمقدار 4.2 ديسيبل في معدل خطأ البت عند نسبة إشارة إلى ضوضاء تبلغ 20 ديسيبل، مقارنةً بتقديرات المربعات الصغرى التقليدية وتقديرات متوسط مربع الخطأ الخطي الأدنى، وذلك عند سرعات مركبة تبلغ 120 كم/ساعة. ويحافظ هذا الإطار على جدواه الحسابية للتنفيذ في الوقت الفعلي، إذ يتطلب 15.6 مللي ثانية فقط لكل إطار على الأجهزة القياسية. وتشير هذه النتائج إلى أن دمج بنى التعلم العميق خفيفة الوزن يُمكن أن يُوسع نطاق تشغيل البنية التحتية الحالية لتقنية DVB-T2 ليشمل تطبيقات البث المتنقلة الناشئة.
