AI可能更适合检测雷达信号 促进频谱共享

当度假者购买海滨分时度假股份时,他们会提前决定谁可以在何时使用该物业。美国国家标准与技术研究院(NIST)正在帮助美国联邦通信委员会(FCC)制定一项类似的计划,以便商业无线提供商和美国海军试图共享一个理想的150兆赫(MHz)频段的无线电频率用于通信的(RF)频谱。

在一篇新论文中,NIST的研究人员证明,深度学习算法 - 一种人工智能 - 明显优于常用的,不太复杂的方法,用于检测海上雷达何时运行。改进的雷达检测将使商业用户知道何时必须产生所谓的3.5千兆赫兹(3.5 GHz)频段。

2015年,美国联邦通信委员会通过了公民宽带无线电服务(CBRS)规则,允许商用LTE(长期演进)无线设备供应商和服务提供商在雷达操作不需要时使用3.5 GHz频段。

AT&T,谷歌,诺基亚,高通,索尼和Verizon等公司一直渴望接入这一频段(3550至3700 MHz之间),因为它将扩大产品市场,并在各种环境中为最终用户提供更好的覆盖范围和更高的数据速率服务传统上很薄弱。

NIST帮助制定了10项标准规范,使服务提供商和其他潜在用户能够在FCC规定的3.5 GHz频段内运行,同时向海军保证该频段可以在没有RF干扰的情况下成功共享。这些标准规范,包括保护军事现有用户的算法,于2018年2月由无线创新论坛频谱共享委员会(WINNF SSC)批准,该委员会是CBRS的公私标准机构。但是,目前还没有确定军方何时使用该频段的官方标准。这项新的研究报告发表在IEEE认知通信和网络交易杂志上,代表了NIST为实现这一目标所做的最新研究工作。

在目前的实践中,使用自动检测器识别来自海上船舶的雷达信号,该自动检测器寻找电磁波谱中的能量上升。“然而,”NIST频谱共享支持项目的负责人Michael Souryal表示,“这些能量探测器的辨别力不足以使其始终如一,有时会将其他射频信号混淆为雷达,或完全忽略雷达信号。”

Souryal和他的同事转向人工智能(AI)寻求潜在的解决方案。八种深度学习算法 - 从先前存在的数据中学习的软件系统 - 经过培训,可以识别来自近15,000个60秒长的频谱图(雷达信号随时间的视觉表示)的近海雷达信号。这些光谱图记录于2016年,位于加利福尼亚州圣地亚哥和弗吉尼亚州弗吉尼亚海滩的海军基地附近,用于国家先进频谱和通信测试网络(NASCTN)。

在训练之后,深度学习算法与能量检测器进行对比,以查看哪些在识别和分类与用于教育AI检测器的谱图不同的一组谱图方面表现最佳。

“我们发现三种深度学习算法明显优于能量探测器,”Souryal说。

最好的深度学习算法和频谱图收集用于开发3.5 GHz频带“占用统计数据”,这些数据集描述了频段何时可用以及持续多长时间。

现在NIST的研究人员已经验证了深度学习算法的使用,他们计划通过使用更高分辨率,更详细的雷达数据训练来继续改进AI探测器,他们认为这些导致更好的性能。