FSA-Net: डीप लर्निंग का उपयोग करके अज्ञात सिग्नल स्रोतों की उप-डिग्री सटीकता से पहचान

एक शोर भरे कमरे में कई फुसफुसाहटों को ढूंढने की कल्पना करें। आपको यह नहीं पता कि कितने लोग बोल रहे हैं या वे कहाँ खड़े हैं। वायरलेस संचार और रेडार सिस्टम पर काम करने वाले इंजीनियरों के लिए यह दैनिक चुनौती है। संकेतों की आगमन दिशा (DOA) निर्धारित करने के लिए MUSIC और ESPRIT जैसे पुराने उपकरणों का इस्तेमाल किया जाता रहा है। लेकिन इन क्लासिक तकनीकों की सीमाएं तब आ जाती हैं जब सिग्नल की गुणवत्ता खराब हो, स्रोत एक दूसरे के बहुत करीब हों, या सक्रिय प्रसारकों की संख्या अज्ञात रहे। FSA-Net नामक नया डीप लर्निंग फ्रेमवर्क इस कमी को पूरा करता है। यह स्रोतों की संख्या और उनके सटीक कोणों का अनुमान एक साथ लगाता है। इसके लिए दृश्य के बारे में पूर्व ज्ञान की आवश्यकता नहीं होती।

FSA-Net की विशेषता यह है कि यह एक ही मॉडल में तीन अलग-अलग चुनौतियों का समाधान करता है। अधिकांश मौजूदा समाधान एक, दो या तीन स्रोतों के लिए अलग कॉन्फ़िगरेशन मांगते हैं। FSA-Net मिश्रित परिदृश्यों को अपने कार्यप्रवाह का स्वाभाविक हिस्सा मानता है। नेटवर्क प्रतिस्थापन अस्पष्टता (permutation ambiguity) को भी संबोधित करता है। यह एक ऐसी समस्या है जहाँ क्रमित आउटपुट असंगठित भौतिक वास्तविकताओं से मेल नहीं खाते। यह फॉरवर्ड सॉर्ट-एंड-गेदर तंत्र का उपयोग करता है। इससे भविष्यवाणी किए गए कोणों को अस्तित्व लॉगिट्स के साथ समक्रमित विलोपन के जरिए जोड़ा जाता है। यह सुनिश्चित करता है कि हर कोण की भविष्यवाणी किसी विशिष्ट स्रोत की उपस्थिति से सटीक रूप से मेल खाती है। उद्देश्य फलन में आसन्न-गैप पद की शामिलगी से उन स्रोतों के लिए रिज़ॉल्यूशन तेज होता है जो एक दूसरे के बहुत पास होते हैं।

इस सिस्टम के लिए इनपुट डेटा एक यूनिफॉर्म लिनियर एरे द्वारा उत्पन्न सामान्यकृत नमूना सहसंबंध मैट्रिक्स से आता है। रियल, इमेजिनरी और मैग्निट्यूड घटकों को स्टैक करके मॉडल वातावरण की पूरी स्थानिक सहसंबंध संरचना को कैप्चर करता है। परिणाम अपने आप में काफी प्रभावशाली हैं। FSA-Net सिग्नल-टू-नॉइस रेशियो के चौड़े स्पेक्ट्रम में सब-डिग्री रूट मीन स्क्वायर एर बनाए रखता है। क्लासिकल सबस्पेस विधियां अक्सर कम SNR वाली स्थितियों में विफल हो जाती हैं। लेकिन यह डीप लर्निंग दृढ़ता से काम करता रहता है। स्रोत गिनती की सटीकता लगभग पूर्ण स्तर तक पहुंचती है। यह -15 dB SNR पर भी 97% से अधिक विश्वसनीयता के साथ सक्रिय स्रोतों की सही संख्या की पहचान करता है।

कार्यक्षमता इस आर्किटेक्चर का एक और आकर्षक पहलू है। केवल 4.439 मिलियन पैरामीटर और कम फ्लोटिंग-पॉइंट ऑपरेशंस पर सेकंड के साथ, FSA-Net एक कंपैक्ट समाधान प्रदान करता है जो संसाधन-सीमित डिवाइसों के लिए आदर्श है। वर्तमान संस्करण तीन एक साथ होने वाले स्रोतों तक सीमित है, लेकिन यह संयुक्त अनुमान कार्यों के लिए एक उच्च मानक स्थापित करता है। शोधकर्ता पहले से ही इसे क्वांटाइज्ड मापनों और सहसंबद्ध स्रोतों तक बढ़ाने की योजना बना रहे हैं। ये پیشगामी advancements अगली पीढ़ी की रीकन्फिग्युरेबल इंटेलिजेंट सरफेस और डिस्ट्रिब्यूटेड टाइम-मॉड्युलेटेड एरे के लिए अधिक मजबूत बीमफॉर्मिंग का वादा करते हैं।