Crédito:N. Hanacek / NIST
Cuando los vacacionistas compran una participación en un tiempo compartido frente a la playa, ellos deciden de antemano quién puede usar la propiedad y cuándo. El Instituto Nacional de Estándares y Tecnología (NIST) está ayudando a la Comisión Federal de Comunicaciones (FCC) a instituir un plan similar para cuando los proveedores inalámbricos comerciales y la Marina de los EE. UU. Intenten compartir una sección deseable de 150 megahercios (MHz) de la frecuencia de radio. (RF) espectro para comunicaciones.
En un nuevo periódico Los investigadores del NIST demuestran que los algoritmos de aprendizaje profundo, una forma de inteligencia artificial, son significativamente mejores que los de uso común. método menos sofisticado para detectar cuándo están funcionando los radares marinos. La detección de radar mejorada permitiría a los usuarios comerciales saber cuándo deben ceder la llamada banda de 3,5 Gigahercios (3,5 GHz).
En 2015, La FCC adoptó reglas para el Citizens Broadband Radio Service (CBRS) para permitir que los proveedores de servicios y proveedores de equipos inalámbricos LTE (evolución a largo plazo) comerciales usen la Banda de 3.5 GHz cuando no la necesiten para operaciones de radar.
Empresas como AT&T, Google, Nokia Qualcomm, Sony y Verizon han estado ansiosos por acceder a esta banda (entre 3550 y 3700 MHz) porque expandirá los mercados de productos y brindará a los usuarios finales una mejor cobertura y velocidades de datos más altas en una variedad de entornos donde el servicio es tradicionalmente débil.
NIST ayudó a desarrollar 10 especificaciones estándar que permiten a los proveedores de servicios y otros usuarios potenciales operar en la banda de 3.5 GHz bajo las regulaciones de la FCC mientras asegura a la Marina que la banda se puede compartir con éxito sin interferencia de RF. Estas especificaciones estándar, incluido el algoritmo para proteger a los usuarios militares titulares, fueron aprobados en febrero de 2018 por el Comité de intercambio de espectro del Foro de innovación inalámbrica (WINNF SSC), el organismo de normalización público-privado para el CBRS. Sin embargo, Actualmente no existen estándares oficiales para determinar cuándo los militares están usando la banda. El nuevo estudio, informó en la revista IEEE Transactions on Cognitive Communications and Networking, representa el último esfuerzo de investigación del NIST para lograr ese objetivo.
En la práctica actual, Las señales de radar de los barcos en el mar se identifican mediante detectores automáticos que buscan aumentos de energía en el espectro electromagnético. "Sin embargo, "dijo Michael Souryal, líder del proyecto de apoyo para compartir espectro del NIST, "estos detectores de energía no discriminan lo suficiente como para hacerlo bien de forma constante, a veces confundir otras señales de RF como un radar o perder las firmas del radar por completo ".
Souryal y sus colegas recurrieron a la inteligencia artificial (IA) en busca de una posible solución. Se entrenaron ocho algoritmos de aprendizaje profundo (sistemas de software que aprenden de datos preexistentes) para reconocer señales de radar en alta mar de una colección de casi 15, 000 espectrogramas de 60 segundos de duración (representaciones visuales de las señales de radar a lo largo del tiempo). Estos espectrogramas se registraron en 2016 cerca de bases navales en San Diego, California, y Virginia Beach, Virginia, para la Red Nacional de Pruebas de Comunicaciones y Espectro Avanzado (NASCTN).
Después de entrenar, Los algoritmos de aprendizaje profundo se compararon con los detectores de energía para ver cuál funcionaba mejor en la identificación y clasificación de un conjunto de espectrogramas diferentes de los utilizados para educar a los detectores de IA.
"Descubrimos que tres de los algoritmos de aprendizaje profundo superaron apreciablemente a los detectores de energía, "Dijo Souryal.
El mejor algoritmo de aprendizaje profundo y la colección de espectrogramas se utilizaron para desarrollar estadísticas de ocupación de la banda de 3,5 GHz, "conjuntos de datos que describen cuándo está disponible la banda y durante cuánto tiempo.
Ahora que los investigadores del NIST han validado el uso de los algoritmos de aprendizaje profundo, planean continuar refinando los detectores de IA entrenándolos con una resolución más alta, datos de radar más detallados, lo que creen que debería conducir a un rendimiento aún mejor.