从认知无线电到人工智能，详解动态频谱管理技术的发展历程

主页（http://www.pttcn.net）：从认知无线电到人工智能，详解动态频谱管理技术的发展历程

随着无线电技术的迅速发展，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，认知无线电、TDOA定位等新技术得到了飞速发展。然而，目前最为前沿的人工智能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。

认知无线电

解决频谱利用率问题

动态频谱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频谱管理机构（如国际电信联盟、各国频谱管理机构）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。动态频谱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，认知无线电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，认知无线电技术近些年发展迅猛。认知无线电的研究主要有：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”计划认知无线电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。

认知无线电是可以根据环境变化改变传送端参数的无线电技术。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，认知无线电可以根据环境变化改变传送端参数。它用于自适应频谱管理及子系统的研发——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。认知无线电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。

认知无线电主要具备两大能力。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，而重置能力则使无线电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，认知无线电在动态频谱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。其次是频谱管理，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。

认知无线电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。虽然认知无线电从无线电用户角度部分解决了某一频段的动态频谱管理问题，但是对于无线电管理机构对全频谱的动态管理仍然缺少有效的解决方案。在无线电频谱管理的技术分析过程中，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，给频谱管理带来巨大挑战。认知无线电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无线电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。人工智能的兴起或许为动态频谱管理带来发展契机。

人工智能商业化

取得高速发展

随着技术发展，人工智能已经在电子商务、金融以及医疗等方面得到了应用。

人工智能一词最早由认知科学家约翰·麦卡锡在研究中提出，他对人工智能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，人工智能已经在电子商务、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人工智能一并被提及。机器学习是人工智能的一种途径或子集，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。

人工智能在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，人工智能商业化取得高速发展。2016年，AlphaGo战胜李世石，人工智能受到世界空前的关注。人工智能产品与服务不断推出，如亚马逊Echo智能音箱、Facebook利用人工智能提升用户体验，都得到了市场的广泛认可，BAT也在积极推进人工智能项目。

在政策助力方面，政府大力扶持人工智能产业，今年7月发布的《新一代人工智能发展规划》中提出，到2020年，我国人工智能总体技术和应用与世界先进水平同步；到2025年，我国人工智能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，我国人工智能理论、技术与应用总体将达到世界领先水平，成为世界主要人工智能创新中心。

2017年6月7日至9日在日内瓦举行的“人工智能造福人类全球峰会”旨在加速人工智能（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，国际电联旨在引导人工智能不断实现创新，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，以便达成对新兴人工智能技术能力的共识。”

“在我们组织的许多公共竞赛中，可以看到各个团队利用人工智能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，随着人工智能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。”这次活动是关于人工智能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、民间团体和人工智能研究界的各方代表参加，探讨人工智能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。

人工智能开启

频谱管理新模式

为了解决电磁频谱资源紧缺的问题，人工智能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＋、人工智能＋，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，人工智能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。无线电频谱机器学习系统是人工智能在无线电频率管理方面的技术应用。

美国国防高级研究计划署（DARPA）资助的无线电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。

在无线电频谱管理的技术分析过程中，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，人工智能在无线电管理方面的应用也面临许多挑战。例如，人工智能在动态频谱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。无线电监测数据、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。《国家无线电管理规划（2016—2020）》指出：“十三五”期间，首要任务是创新频谱管理，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，利用人工智能技术服务频谱动态管理，服务新形势下的无线电管理。