查看: 31|回复: 0

动态频谱管理技术:从认知无线电到人工智能

[复制链接]

556

主题

556

帖子

1942

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1942
发表于 2017-11-24 15:13:46 | 显示全部楼层 |阅读模式




随着技术的迅速发展,有限的频率资源已无法满足日益增长的用频需求。为提高频率资源的利用效率,频率资源综合管理得到了广泛关注。在传统的静态管理向动态管理发展的过程中,认知、TDOA定位等新技术得到了飞速发展。然而,目前最为前沿的技术将更高效地完成数据到决策的转换,更智能地完成综合性任务。
认知
解决频谱利用率问题
共享是认知无线网络研究中的重要课题,旨在提高无线频谱利用率。
目前无线网络普遍采用固定频谱分配方式,几乎所有的无线终端都工作在一些机构(如国际电信联盟、各国机构)分配好的频谱之下。研究表明,在该方式下,大部分已经分配好的频谱很多时候在很多地区没有被充分使用,其利用率在15%~85%不等。共享是认知无线网络研究中的一个重要课题,旨在提高无线频谱资源的利用效率。在机会的驱动下,认知允许无线终端自动感知、识别并利用任何空闲的频谱资源。一旦在使用的频谱段上的授权用户出现,无线终端将主动地让出相应的频谱,并切换到另一段可使用的频谱上。
为解决频谱动态利用率问题,认知技术近些年发展迅猛。认知的研究主要有:美国国防高级研究计划署(DARPA)资助的下一代无线通信(xG)项目,美国Rutgers大学winlab实验室正在做的一个有关认知无线技术的国家自然科学基金项目,英国的移动电信技术虚拟中心的自适应射频技术研究,欧洲通信协会资助的DRIVE、OverDRiVE和TRUST,国家“863”计划认知系统中的合作及跨层设计技术、空间信号检测和分析及QoS保证机制等。
认知是可以根据环境变化改变传送端参数的技术。它可以在没有用户使用授权频段的时候使用这个频段,极大地提高了频谱利用率,弥补了固定频谱分配的缺陷,是下一代网络的关键技术。从技术角度上说,认知可以根据环境变化改变传送端参数。它用于自适应及子系统的研发——智能天线、传感器和接收机、自适应调制和波形技术等,是下一代网络动态使用频谱的关键。认知可以在没有用户使用授权频段的时候使用这个频段,极大地提高了频谱利用率,弥补了固定频谱分配的缺陷。
认知主要具备两大能力。一个是认知能力。认知能力就是从环境中获取感知信息的能力。用复杂的技术获得环境瞬时的空间变量并避免对其他用户的干扰。另一个是重置能力。认知能力感知频谱,而重置能力则使可以动态地配置硬件参数,使其可以在不同的频率上发送和接收,还可以使用由硬件设备支持的不同传送接入。因此,认知在管理中能实现多种功能。首先是频谱感知,判断哪些频谱是可用的,并探测当用户工作在一个已授权的频段上时是否存在授权用户。其次是,选择最优的可用信道使用。再次是频谱共享,调整与其他用户的信道接入,为用户提供适当的频谱安排方法。最后是频谱移动,在检测到授权用户时空信道后,迁移到其他的频段上。
认知技术存在的不足之处是大幅增加了系统的复杂度,通信质量无法完全保证。因此,国际上提出一种新的体制,即动态授权管理体制。也就是说允许广电等公司将空闲的频谱出租给热点地区用户使用。现在国际上研究前沿的主要代表为欧盟的LSA和美国的SuperWiFi。虽然认知从用户角度部分解决了某一频段的管理问题,但是对于管理机构对全频谱的动态管理仍然缺少有效的解决方案。在的技术分析过程中,经常要对重点信号以及异常信号进行识别。在频段中信号类别多、发射台站多的情况下,多个信号将重叠在同频段,给带来巨大挑战。认知技术中的频谱感知能快速识别空闲频谱,建立空闲频谱池,但是对于不断变化的频谱情况无法解决频谱动态分配问题。频谱动态管理需要解决的不仅是动态感知频谱环境,还要紧密结合自主决策来实现动态管理。的兴起或许为管理带来发展契机。
商业化
取得高速发展
随着技术发展,已经在电子商务、金融以及医疗等方面得到了应用。
一词最早由认知科学家约翰·麦卡锡在研究中提出,他对的解释是这项研究的一种推测,即任何学习行为或其他智力特征原则上能被精确描述,从而可以制造出一台机器来模拟它。随着技术发展,已经在电子商务、金融以及医疗等方面得到了应用。同时,机器学习和深度学习也经常与一并被提及。机器学习是的一种途径或子集,它强调学习而不是计算机程序。一台机器使用复杂的算法来分析大量数据,识别数据中的模式,并做出预测。深度学习是机器学习的一个子集,它用大量的数据和计算能力来模拟深度神经网络。这三个概念紧密联系,但又各有侧重。
在1956年达特茅斯会议上被正式提出来,2006年进入高速发展期。随着深度学习算法在语音和图像识别上取得的突破,商业化取得高速发展。2016年,AlphaGo战胜李世石,受到世界空前的关注。产品与服务不断推出,如亚马逊Echo智能音箱、Facebook利用提升用户体验,都得到了市场的广泛认可,BAT也在积极推进项目。
在政策助力方面,政府大力扶持产业,今年7月发布的《新一代发展规划》中提出,到2020年,我国总体技术和应用与世界先进水平同步;到2025年,我国基础理论实现重大突破,部分技术与应用达到世界领先水平;到2030年,我国理论、技术与应用总体将达到世界领先水平,成为世界主要创新中心。
2017年6月7日至9日在日内瓦举行的“造福人类全球峰会”旨在加速(AI)解决方案的发展和大众化,以应对贫困、饥饿、健康、教育、平等和环境保护等全球性挑战。作为联合国负责信息通信技术的专门机构,国际电联旨在引导不断实现创新,以最终实现联合国可持续发展的目标,国际电联秘书长赵厚麟指出:“我们正在为国际对话提供一个中立的平台,以便达成对新兴技术能力的共识。”
“在我们组织的许多公共竞赛中,可以看到各个团队利用作为众多领域的基础工具,从为无法获得正规教育的坦桑尼亚儿童创造个性化学习体验,到赋能消费者通过医用三录仪器设备做出医疗方面的决定,再到引导先进、自主的机器人车辆探索深海或在月球表面寻找路径。”X奖基金会(XPRIZE)首席执行官(CEO)MarcusShingles说,“我们认识到,随着的加速推进和大众化,新一代问题解决者在应对全球挑战时面临极大的机遇。”这次活动是关于年度大会系列活动的第一次会议,有来自政府、行业、联合国机构、民间团体和研究界的各方代表参加,探讨的最新发展及其对监管、道德以及安全与隐私等问题的影响。
开启
新模式
为了解决电磁频谱资源紧缺的问题,将着眼于智能化决策。
频谱研究专家吴启辉教授在“2017全球未来网络发展峰会”上发言谈到,传统的频谱决策是一种人工方式,主要是情景比较简单,可能不需要决策,甚至只要预测一下就行了。但是现在频谱作战是在一个复杂的电磁频谱环境下进行的,复杂性主要体现在多样性、密集型、大规模、高动态和高对抗。我们研究智能频谱决策或自主频谱决策,从作战角度来说,主要解决战前快速规划、战时自我协同和与敌方对抗。主要利用人机混合的智能决策方法进行预先决策和临时决策。
在移动互联网、物联网、天地一体化信息网络的驱动下,未来无线网络会向速率更高、接入更多、覆盖更广的方向发展,对频谱资源提出更多的挑战。为了应对这三大挑战,我们需要在频谱方面展开三方面变革,这三方面的变革也体现了互联网+、+,以及频谱转型。
为了解决电磁频谱资源紧缺的问题,推动频谱资源从静态独占向动态共享转变,将着眼于智能化决策,促进从孤立监测向网格化监测和分析转变,同时在复杂电磁环境中由人工决策向自主决策转变。频谱机器学习系统是在频率管理方面的技术应用。
美国国防高级研究计划署(DARPA)资助的频谱机器学习系统由四大技术组成部分:
1.特征学习:从信号数据中识别信号并按用户设置进行归类。
2.智能监测:从实时采集的海量数据中智能关注到频谱中的重点频段或者频点。根据用户设置的规则预测并调整到相应的重点监测频段或频点。
3.自动感知识别:根据用户任务需要自动调整监测设置。
4.信号合成:根据用户需要数字化合成信号并能够改善合成信号质量。
在的技术分析过程中,经常要对重点信号以及异常信号进行识别,这通常依靠监测设施和工程师的经验,一旦遇到黑广播、伪基站等突发情况,往往需要投入大量人力花时间巡查定位。此外,为提高频率使用效率,管理部门希望提高频段共享技术,预测到频段的使用情况,以便在不引起干扰的前提下进行频率复用。


诚然,在管理方面的应用也面临许多挑战。例如,在管理方面的应用基础是大数据。所需要的数据不仅量大而且纷繁复杂。监测数据、频率数据、台站数据各有侧重但又密不可分。另一方面,深度学习若达到自主决策还需要一套严密的研判规则,需要对频谱进行可量化的评估。《国家管理规划(2016—2020)》指出:“十三五”期间,首要任务是创新,建立科学合理的频谱使用评估和频率回收机制,形成行政审批和市场化配置管理体系。因此,我们一方面夯实基础,另一方面也要紧跟前瞻性技术发展趋势,利用技术服务频谱动态管理,服务新形势下的管理。



回复

使用道具 举报

Archiver|手机版|小黑屋|现金网赌球官网  

GMT+8, 2017-12-18 11:21 , Processed in 0.226911 second(s), 20 queries .