La detección del espectro juega un papel importante en los futuros sistemas de comunicación inalámbrica, ya que ayuda a resolver el problema de la coexistencia y optimizar la eficiencia del espectro. Sin embargo, la comunicación 5G en curso implica escenarios diversificados con diferentes características y requisitos diversos, lo que dificulta que los métodos de detección de espectro sirvan de manera flexible a diversas aplicaciones mientras se mantiene un rendimiento satisfactorio. La escasez de recursos de espectro sigue siendo un desafío crítico para las comunicaciones 5G.

Motivado por tal desafío, un equipo de investigación dirigido por el profesor Hu Honglin y el profesor Xu Tianheng del Instituto de Investigación Avanzada de Shanghai (SARI) de la Academia de Ciencias de China (CAS) proporcionó una nueva técnica de detección de espectro, buscando una forma viable de combinar el concepto de aprendizaje por refuerzo con métodos avanzados de detección de espectro para optimizar el rendimiento de la red de radio cognitiva en múltiples escenarios en las comunicaciones 5G.

Los resultados de la investigación se publicaron en el último número de Comunicaciones inalámbricas IEEE titulado "Detección inteligente del espectro:cuando el aprendizaje por refuerzo se encuentra con la detección automática de repetición en las comunicaciones 5G".

El equipo de investigación analizó diferentes requisitos de varios escenarios típicos de 5G, y categorizó tres modelos dedicados con objetivos de optimización respectivos para técnicas de detección de espectro.

Para adaptarse a varios objetivos de optimización, Los científicos han diseñado la arquitectura de la técnica de detección inteligente del espectro. tratando de tener en cuenta tanto la inestabilidad como las cuestiones de adaptabilidad. Los resultados numéricos manifestaron que la técnica de detección propuesta tiene la capacidad de adaptarse a varios escenarios con diferentes objetivos de optimización.

Los resultados de la investigación son prometedores para aplicaciones prácticas. Se han aplicado en el sistema SEANET desarrollado por CAS y Alpha, una red de campus construida por CAS y ShanghaiTech University. Los resultados también contribuyen a un mayor despliegue y promoción de 5G y el sistema de comunicación de próxima generación en China.