Hành trình Khoa học, Không gian và Thời gian!
Các nhà nghiên cứu chứng minh rằng các thuật toán học sâu – một dạng trí tuệ nhân tạo – tốt hơn đáng kể so với phương pháp thường được sử dụng để phát hiện khi các radar ngoài khơi đang hoạt động, có khả năng cải thiện một số hoạt động chia sẻ phổ điện từ.
Trong một bài báo mới, các nhà nghiên cứu của NIST chứng minh rằng các thuật toán học sâu – một dạng của trí tuệ nhân tạo – tốt hơn đáng kể so với phương pháp thường được sử dụng, ít phức tạp hơn để phát hiện khi các radar ngoài khơi đang hoạt động. Phát hiện ra radar được cải tiến sẽ cho phép người dùng thương mại biết khi nào họ phải mang lại cái gọi là Băng tần 3,5 Gigahertz (3,5 GHz).
Vào năm 2015, FCC đã thông qua các quy tắc cho Dịch vụ vô tuyến băng rộng Citizens (CBRS) để cho phép các nhà cung cấp dịch vụ và nhà cung cấp thiết bị không dây LTE (tiến hóa dài hạn) sử dụng Băng tần 3,5 GHz khi không cần thiết cho hoạt động của radar.
Các công ty như AT & T, Google, Nokia, Qualcomm, Sony và Verizon đã mong muốn truy cập băng tần này (trong khoảng từ 3550 đến 3700 MHz) vì nó sẽ mở rộng thị trường sản phẩm và cung cấp cho người dùng cuối mức độ phủ sóng tốt hơn và tốc độ dữ liệu cao hơn trong nhiều môi trường khác nhau nơi mà dịch vụ là truyền thống yếu.
NIST đã giúp phát triển 10 thông số kỹ thuật tiêu chuẩn cho phép các nhà cung cấp dịch vụ và những người dùng tiềm năng khác hoạt động ở Băng tần 3,5 GHz theo quy định của FCC trong khi đảm bảo với Hải quân rằng băng tần có thể được chia sẻ thành công mà không bị nhiễu RF. Các thông số kỹ thuật tiêu chuẩn này, bao gồm thuật toán bảo vệ người dùng đương nhiệm quân sự, đã được phê duyệt vào tháng 2 năm 2018 bởi Ủy ban chia sẻ quang phổ diễn đàn không dây (WINNF SSC), cơ quan tiêu chuẩn công tư cho CBRS. Tuy nhiên, hiện tại không có tiêu chuẩn chính thức để xác định khi quân đội sử dụng ban nhạc. Nghiên cứu mới, được báo cáo trên tạp chí Giao dịch điện tử về Truyền thông và Mạng nhận thức của IEEE , thể hiện nỗ lực nghiên cứu mới nhất của NIST nhằm đạt được mục tiêu đó.
Trong thực tế hiện nay, tín hiệu radar từ các tàu trên biển được xác định bằng cách sử dụng các máy dò tự động tìm kiếm sự gia tăng năng lượng trong phổ điện từ. “Tuy nhiên,” Michael Souryal, người đứng đầu dự án hỗ trợ chia sẻ phổ NIST, “các máy dò năng lượng này không đủ phân biệt để luôn đúng, đôi khi nhầm lẫn các tín hiệu RF khác là radar hoặc thiếu chữ ký radar.”
Souryal và các đồng nghiệp đã chuyển sang trí tuệ nhân tạo (AI) cho một giải pháp tiềm năng. Tám thuật toán học sâu – hệ thống phần mềm học từ dữ liệu có sẵn – đã được đào tạo để nhận ra tín hiệu radar ngoài khơi từ bộ sưu tập gần 15.000 quang phổ dài 60 giây (biểu thị trực quan của tín hiệu radar theo thời gian). Những quang phổ này đã được ghi lại vào năm 2016 gần các căn cứ hải quân ở San Diego, California và Virginia Beach, Virginia, cho Mạng thử nghiệm quang phổ và truyền thông tiên tiến quốc gia (NASCTN).
Sau khi đào tạo, các thuật toán học sâu đã được đọ sức với các máy dò năng lượng để xem cái nào hoạt động tốt nhất trong việc xác định và phân loại một tập hợp các quang phổ khác với các thuật toán được sử dụng để giáo dục các máy dò AI.
“Chúng tôi thấy rằng ba trong số các thuật toán học sâu đáng kể vượt trội so với các máy dò năng lượng,” Souryal nói.
Thuật toán học sâu tốt nhất và bộ sưu tập phổ đã được sử dụng để phát triển “thống kê chiếm chỗ” băng tần 3,5 GHz, mô tả khi nào dải tần có sẵn và trong bao lâu.
Giờ đây, khi các nhà nghiên cứu của NIST đã xác nhận việc sử dụng các thuật toán học sâu, họ có kế hoạch tiếp tục tinh chỉnh các máy dò AI bằng cách đào tạo chúng với dữ liệu radar có độ phân giải cao hơn, chi tiết hơn, mà chúng tin rằng sẽ dẫn đến hiệu suất cao hơn.
Nguồn tin tức:
Tài liệu được cung cấp bởi Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST) . Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.
Tạp chí tham khảo :