شبكات عصبية التفافية عميقة قوية لتصنيف التشكيل التلقائي المتين باستخدام تخطيطات الطيف

يُعد تصنيف التشكيل التلقائي (AMC) مكونًا رئيسيًا في أنظمة الاتصالات اللاسلكية الحديثة؛ ومع ذلك، يظل أداؤه حساسًا للغاية للضوضاء، خاصة تحت ظروف نسبة الإشارة إلى الضوضاء المنخفضة (SNR). تعتمد معظم الأساليب الحالية على مجموعات بيانات معيارية وهياكل حوسبية معقدة، مما يحد من المتانة والتطبيق العملي. لمعالجة هذه التحديات، تقترح هذه الدراسة إطار عمل فعال قائم على شبكة CNN يتم تدريبه على مجموعة بيانات مخصصة تم إنشاؤها باستخدام MATLAB، مما يمكن من السيطرة الكاملة على أنواع التشكيل وظروف القناة وتوزيعات SNR. تُستخدم تمثيلات الطيف باستخدام STFT لاستخراج ميزات تمييزية في الزمن والتردد من الإشارات المشكّلة. تُظهر النتائج التجريبية أن النموذج المقترح يحقق دقة تصنيف قصوى تبلغ 99.77% عند 15 ديسيبل، مع الحفاظ على أداء متين عبر نطاق SNR من -5 إلى 15 ديسيبل، بما في ذلك السيناريوهات منخفضة SNR. مقارنة بالطرق القائمة، يحسن النهج المقترح قدرة التعميم، ويدعم أحد عشر نمط تشكيل، ويقلل الاعتماد على مجموعات البيانات السابقة، مما يجعله أكثر ملاءمة لتطبيقات الاتصالات اللاسلكية في العالم الحقيقي.