يظل تعزيز الإشارات الضعيفة المهيكلة وكشفها في البيئات متعددة المستشعرات مهمة عصية، إذ تتداخل الإشارات الحاملة للمعلومة مع ضوضاء شديدة قد تفوقها قوة بأضعاف، وتتباين وسائط الاستشعار في طبيعتها وخصائصها، فتغدو أساليب معالجة الإشارات التقليدية ونماذج التعلم العميق المعتادة غير فعالة في استخلاص المكونات الدالة على الأعطال من بين هذا الطوفان الضوضائي
وتتفاقم المشكلة في أنظمة المراقبة الصحية للمعدات حيث تعمل المستشعرات في ظروف قاسية وتتعدد قنواتها، فتصبح الحاجة ماسة إلى إطار يعالج البنية الزمنية للإشارة بمقاييس متعددة في آن واحد، ويميز القنوات الغنية بالمعلومات من القنوات التي يهيمن عليها الضوضاء فيخفف أثر الثانية ويعلي شأن الأولى، وهو التوازن الدقيق الذي تستهدفه هذه الدراسة بنموذج يجمع بين الالتفاف متعدد المقاييس وآلية انتباه عبر القنوات في بنية واحدة متكاملة من الطرف إلى الطرف
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير شبكة متخصصة لتعزيز الإشارات الضعيفة المهيكلة وكشفها، تدمج الالتفاف أحادي البعد متعدد المقاييس لاستخلاص السمات الزمنية هرميًا مع آلية انتباه عبر القنوات على نمط الضغط والإثارة لتحسين السمات متعددة المقاييس تكيفًا عبر قنوات الاستشعار غير المتجانسة، بحيث تلتقط الفروع متعددة المقاييس الأنماط الزمنية العابرة وبعيدة المدى معًا، بينما يؤكد وحدة الانتباه ديناميكيًا القنوات المعلوماتية ويكبح السمات التي يهيمن عليها الضوضاء فيعزز المكونات الضعيفة المرتبطة بالأعطال
واختبر النموذج على بيانات محاكاة لمراقبة المعدات الطبية في ظروف نسبة إشارة إلى ضوضاء بالغة الانخفاض تراوحت بين سالب 5 ديسبل وصفر ديسبل، وقورن أداؤه بخوارزميات خط أساس متعددة في مجال معالجة الإشارات الضعيفة لقياس مدى تفوقه في تحسين نسبة الإشارة إلى الضوضاء ودقة التشخيص معًا، بوصفهما المعيارين الحاسمين في أي نظام إنذار يعتمد عليه في بيئات حساسة
ثانيًا: أبرز النتائج
1، حقق النموذج المقترح مؤشر تحسين في نسبة الإشارة إلى الضوضاء بلغ 8.12 ديسبل في إعداد التجارب ذات النسبة بالغة الانخفاض، بما يعني أن الإشارة الضعيفة المستهدفة صارت أوضح بكثير بعد المعالجة، وأن المكونات الدالة على الأعطال أمكن تمييزها من الضوضاء المحيطة بدرجة لم تتحقق قبل تطبيق الشبكة
2، بلغت دقة التشخيص التي حققها النموذج 95.1 في المئة، متفوقًا بذلك على جميع خوارزميات خط الأساس المقارنة في الإعداد التجريبي ذاته، وهو تفوق يجمع بين جودة التعزيز الإشاري وجودة القرار التشخيصي، فلا يكتفي النموذج بتنقية الإشارة بل يحولها إلى أحكام تصنيفية دقيقة تصلح أساسًا لإنذارات الصيانة والتدخل الوقائي
3، أبدى النموذج متانة وقدرة تعميم في ظروف الضوضاء القصوى المختبرة، إذ لم ينهار أداؤه حين اقتربت نسبة الإشارة إلى الضوضاء من الحدود الدنيا، وهو سلوك يعزى إلى تكامل الفرعين الالتفافي والانتباهي
4، تشير النتائج مجتمعة إلى أن الشبكة المقترحة تقدم حلًا فعالًا وقابلًا للتوسع لتعزيز الإشارات الضعيفة المهيكلة وكشفها في أنظمة المستشعرات المتعددة المعقدة المغمورة بالضوضاء، مع إمكانات قوية للتطبيق في المراقبة الصناعية والطبية حيث تتشابه بنية المشكلة وتتكرر الحاجة إلى إنذار مبكر موثوق
ثالثًا: دلالات الدراسة وتطبيقاتها
تقدم الدراسة درسًا تصميميًا عامًا في معالجة الإشارات بالتعلم العميق مفاده أن الجمع بين استخلاص زمني متعدد المقاييس وترجيح انتباهي عبر القنوات أنجع من الاعتماد على أي منهما منفردًا حين تكون الإشارة ضعيفة والقنوات غير متجانسة، إذ يعالج الالتفاف مشكلة البنية الزمنية بينما تعالج آلية الانتباه مشكلة تفاوت جودة القنوات، ويستطيع مهندسو الأنظمة المدمجة والباحثون في الصيانة التنبؤية البناء على هذا التكامل في مجالات كمراقبة المحركات والمضخات وأجهزة التهوية الصناعية والمعدات الطبية الحيوية
وينبغي في الوقت نفسه قراءة النتائج في حدود سياقها التجريبي، فالبيانات المستخدمة بيانات محاكاة لمراقبة معدات طبية لا تسجيلات ميدانية من بيئات تشغيل حقيقية متنوعة، وقدرة النموذج على التعميم إلى ضوضاء واقعية غير محاكاة وإلى وسائط استشعار أخرى تحتاج إلى تحقق لاحق، ويهم ذلك الباحثين العرب وطلاب الدراسات العليا في هندسة الحاسب ومعالجة الإشارات
وخلاصة القول إن الدراسة تقترح شبكة تجمع الالتفاف متعدد المقاييس والانتباه عبر القنوات على نمط الضغط والإثارة، وقد حققت في ظروف ضوضاء قصوى تحسينًا في نسبة الإشارة إلى الضوضاء بلغ 8.12 ديسبل ودقة تشخيص بلغت 95.1 في المئة متفوقة على خطوط الأساس كلها، بما يجعلها حلًا واعدًا لتعزيز الإشارات الضعيفة وكشفها في أنظمة المراقبة الصناعية والطبية المعقدة
