DSP 101
M12 · L04
الوحدة 12: الختام والتطبيقات الواقعية
التعلم الآلي يلتقي بمعالجة الإشارات الرقمية
تعيش الشبكات العصبية الآن داخل كل طبقة من طبقات معالجة الإشارات — لكن معالجة الإشارات الكلاسيكية تظل تقود حيث تكون الموثوقية وقابلية التفسير هي الأهم.
01 / 11
DSP 101
M12 · L04
نموذجان
نموذج رياضي مقابل بيانات
معالجة الإشارات الكلاسيكية
رياضيات من مبادئ أولى — مثلى حين تكون إحصاءات الإشارة معروفة
التعلم الآلي
متعلَّم من البيانات — يتكيف حين تكون الإحصاءات مجهولة أو غير ثابتة
02 / 11
DSP 101
M12 · L04
إزالة الضوضاء بالشبكات العصبية
التلافيفات المتمددة
كدّس تلافيفات أحادية البعد بعوامل تمديد 1، 2، 4، ..، 512. الحقل الاستقبالي ينمو أسياً مع العمق بينما تنمو المعاملات خطياً.
التلافيف المتمدد
(x *_d h)[n]=\sum_{k=0}^{K-1}h[k]\,x[n-d\cdot k]
03 / 11
DSP 101
M12 · L04
تصنيف التضمين
عينات IQ دخلاً، تصنيفات خرجاً
- أدخل عينات IQ المركبة الخام في شبكة تلافيفية
- تتعلم ميزات أغنى من أي مستخرج تراكمات يدوي
- RadioML: دقة >95% عبر 24 فئة تضمين عند SNR > 10 dB
- العقوبة: قرارات صندوق أسود، تحتاج بيانات تدريب مصنفة
- AMC الكلاسيكي ما زال يتفوق عند SNR منخفض وفي تدقيقات الطيف المنظمة
04 / 11
DSP 101
M12 · L04
الموازنة بالتعلم الآلي
برامج موازنة RNN والمحول
تتعلم نماذج التسلسل عكس القناة شاملاً — لا يلزم تقدير صريح للقناة. تتجاوز MMSE في قنوات عالية التنقل. تفشل كارثياً خارج نطاق التوزيع.
+
قنوات عالية التنقل
⚠
أنواع قنوات جديدة
✓
الكلاسيكي يتدهور بتدرج
05 / 11
DSP 101
M12 · L04
التعلم العميق القائم على النماذج
فرد الخوارزمية
- حوّل خوارزمية تكرارية (ISTA، مفكك التوربو) إلى شبكة ذات عمق منتهٍ
- استبدل المعاملات الثابتة بـ أوزان مكتسبة
- كل طبقة لها معنى واضح في معالجة الإشارات
- LISTA: 10 طبقات ≈ 1000 تكرار من ISTA — تسريع 100×
- أفضل ما في العالمين: قابلية التفسير + التحسين القائم على البيانات
06 / 11
DSP 101
M12 · L04
متى نستخدم ماذا
معالجة الإشارات الكلاسيكية تتفوق
استخدم معالجة الإشارات الكلاسيكية حين
حيوي للسلامة · معتمد بمعايير · حتمي في الوقت الحقيقي · لا بيانات تدريب
استخدم التعلم الآلي حين
بيانات مصنفة وفيرة · قابلية التفسير غير مطلوبة · إحصاءات معقدة غير ثابتة
07 / 11
DSP 101
M12 · L04
الأنظمة الهجينة
سلسلة معالجة DSP + ML
- طبّق التعلم الآلي حيث يصعب نمذجة الإحصاءات تحليلياً
- احتفظ بمعالجة الإشارات الكلاسيكية للمراحل القابلة للتحليل
- بنوك مرشحات مكتسبة: نوافذ STFT قابلة للتدريب شاملاً
- معاملات MFCC (مقياس مِل + لوغاريتم + DCT): ميزة الكلام الكلاسيكية المصنوعة يدوياً التي تحلّ محلّها هذه البنوك المكتسبة
- برامج تشكيل حزمة عصبية: MVDR مستبدَل بشبكة تلافيفية مركبة
- مستقبلات OFDM المفردة العميقة: تكرير تقدير القناة بشكل تكراري
08 / 11
DSP 101
M12 · L04
النقاط الرئيسية
ستة أشياء تستحق التذكر
- التعلم الآلي يتفوق في الإحصاءات غير الثابتة؛ الكلاسيكي في النماذج المعروفة
- التلافيفات المتمددة: حقل استقبالي أسي، عدد معاملات خطي
- تصنيف التضمين بالشبكات التلافيفية يتجاوز الميزات اليدوية عند SNR مرتفع
- الموازنة العصبية تتفوق على MMSE في التنقل العالي — لكنها تفشل خارج التوزيع
- فرد الخوارزمية يُنتج شبكات هجينة قابلة للتفسير وكفؤة في البيانات
- معالجة الإشارات الكلاسيكية إلزامية في الأنظمة الحيوية المعتمدة
10 / 11
DSP 101
مكتمل
اكتملت الوحدة 12
أتممت DSP-101
من نظرية نايكويست إلى برامج الموازنة العصبية — لديك الآن صورة كاملة عن معالجة الإشارات الرقمية، من الأسس الرياضية إلى الأنظمة الواقعية.
العودة إلى النظرة العامة
11 / 11