تستدعي الاتصالات فائقة الموثوقية وانخفاض الكمون (URLLC) حاجة ملحة إلى تحديد دقيق للمناطق المكانية التي يتدنى فيها نسبة الإشارة إلى الضوضاء (SNR) إلى ما دون عتبات معروفة. وبالنظر إلى سياق هذا الأمر، تشير الحالات التي تتراجع فيها SNR إلى فشل، أي عندما تهبط نسبة الإشارة تحت مستويات محددة، التي قد تصل في URLLC إلى 0.1% من توزيعة SNR.

غالبًا ما تركز النماذج التقليدية للخرائط الإذاعية على إعادة بناء مستويات الإشارة المتوسطة، متجاهلةً في كثير من الأحيان SNR المنخفض الذي يعد عنصراً أساسياً للتنبؤ الدقيق بفشل الخدمة. وللتغلب على هذا القيد، نقدم إطار عمل VAE-EVT (المشفر التلقائي المتغير - نظرية القيم المتطرفة) القائم على الفيزياء والذي يسعى إلى نمذجة كلاً من الكتلة الرئيسية والتوزيع الرأسي لـ SNR.

تبدأ طريقتنا بمرحلة تمهيدية باستخدام معلومات فيزيائية حيث يتم استخراج الميزات الحتمية مثل خط الرؤية، والانفراج، والمسافة من هندسة المشهد. بعد ذلك، يستخدم مشفر مزدوج لتسجيل SNR الرئيسي باستخدام مزيج Gaussian والتوزيع الرأسي باستخدام توزيع Pareto العام (GPD). من خلال استخدام هدف متغير معدل، يتم تدريب النموذج لإشراف مشترك على كلا النظامين، مما يضمن انتباهًا دقيقًا للأحداث الشديدة.

عند تقييمه على مجموعة بيانات RadioMapSeer، تحقق نموذنا من خطأ الجذر التربيعي في المنطقة التي تعاني من فشل الإشارة بمعدل 4.83 ديسيبل في المنطقة التي حددتها عتبة SNR المنخفضة للنسبة 0.1%. يتجاوز هذا بكثير النموذج القائم على GAN، الذي سجل خطأ بلغ 21.90 ديسيبل. يتوسع الفارق في الأداء كلما أصبحت عتبة الفشل أكثر دقة.

من الواضح أن هذا الابتكار يمثل خطوة كبيرة نحو تحسين الاتصالات منخفضة الكمون ويعزز دقة البيانات في العديد من التطبيقات المستقبلية. ما رأيكم في هذه التقنية الحديثة؟ شاركونا أفكاركم في التعليقات!