في عصر 6G وإنترنت الأشياء (IoT)، يصبح لزاماً على الأجهزة الذكية التعرف على أنواع الموجات المستخدمة في الطبقات الفيزيائية قبل بدء عملية فك التشفير والجدولة للموارد. بينما تركز الأبحاث الحالية على تصنيف التعديل الرمزي، فإن التقنيات التي تستهدف أنواع الموجات الفعلية (مثل OFDM وOTFS وLoRa) نادرة وتعتمد بشكل كبير على الشبكات العصبية العميقة وتحويلات الزمن والتردد المعقدة، مما يجعل من الصعب تنفيذها على الأجهزة ذات الموارد المحدودة.

لذا، تم تقديم إطار TFZ-Tree الذي يعد حلاً مبتكراً. يعتمد هذا الإطار على ميزات متعددة الأبعاد من الزمن والتردد ويستخدم شجرة ZTree التعاونية. يعمل الإطار على استخراج الميزات من الزمن بشكل منخفض التعقيد، في حين يتبنى خوارزمية ZTree المحسنة عن طريق اختبار Z-statistical، مما يتيح التحكم التلقائي في تقسيم الشجرة وحجمها، لضمان تنفيذ فعال على المعالجات ذات الموارد المحدودة.

اختبر هذا النظام على عشرة أنواع من الموجات المرشحة لمعيار 6G، بما في ذلك OFDM وOTFS وDSSS وLoRa وNB-IoT، وحقق متوسط دقة 99.5% في ظل ظروف تداخل ضوضاء بيضاء إضافية (AWGN) و87.4% في قنوات متعددة المسارات (TDL-C). تتمثل أكبر حالات الارتباك في هذا النظام بين OTFS وLoRa.

مع تنفيذ هذه التقنية بلغة C على منصة x86، كانت فترة الاستدلال أقل من 4 مللي ثانية، مما يجعل هذه المهمة واحدة من أولى المهام التي تحقق التعرف الفوري على عشرة أنواع من الموجات في إنترنت الأشياء.

في المستقبل، سيتم العمل على تسريع نشر هذه التقنية على وحدات التحكم الدقيقة المدمجة. يمكنكم الوصول إلى رمز المصدر ومجموعة البيانات على: https://github.com/Einstein-sworder/IoT-wave.