随着无线电技能的迅速发展，有限的频率资源已无法知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定位等新技能得到了飞速发展。
然而，目前最为前沿的人工智能技能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

NO.1

办理频谱利用率问题

动态频谱共享是认知无线网络研究中的主要课题，旨在提高无线频谱利用率。

目前无线网络普遍采取固定频谱分配办法，险些所有的无线终端都事情在一些频谱管理机构（如国际电信同盟、各国频谱管理机构）分配好的频谱之下。
研究表明，在该办法下，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利用，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主要课题，旨在提高无线频谱资源的利用效率。
在机会的驱动下，认知无线电许可无线终端自动感知、识别并利用任何空闲的频谱资源。
一旦在利用的频谱段上的授权用户涌现，无线终端将主动地让出相应的频谱，并切换到另一段可利用的频谱上。

为办理频谱动态利用率问题，认知无线电技能近些年景长迅猛。
认知无线电的研究紧张有：美国国防高等研究操持署（DARPA）帮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能的国家自然科学基金项目，英国的移动电信技能虚拟中央的自适应射频技能研究，欧洲通信协会帮助的DRIVE、OverDRiVE和TRUST，国家“863”操持认知无线电系统中的互助及跨层设计技能、空间旗子暗记检测和剖析及QoS担保机制等。

认知无线电是可以根据环境变革改变传送端参数的无线电技能。
它可以在没有用户利用授权频段的时候利用这个频段，极大地提高了频谱利用率，填补了固定频谱分配的毛病，是下一代网络的关键技能。
从技能角度上说，认知无线电可以根据环境变革改变传送端参数。
它用于自适应频谱管理及子系统的研发——智能天线、传感器和吸收机、自适应调制和波形技能等，是下一代网络动态利用频谱的关键。
认知无线电可以在没有用户利用授权频段的时候利用这个频段，极大地提高了频谱利用率，填补了固定频谱分配的毛病。

认知无线电紧张具备两大能力。
一个是认知能力。
认知能力便是从环境中获取感知信息的能力。
用繁芜的技能得到环境瞬时的空间变量并避免对其他用户的滋扰。
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吸收，还可以利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，并探测当用户事情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利用。
再次是频谱共享，调度与其他用户的信道接入，为用户供应适当的频谱安排方法。
末了是频谱移动，在检测到授权用户时空信道后，迁移到其他的频段上。

认知无线电技能存在的不敷之处是大幅增加了系统的繁芜度，通信质量无法完备担保。
因此，国际上提出一种新的系统编制，即动态授权管理系统编制。
也便是说许可广电等公司将空闲的频谱出租给热点地区用户利用。
现在国际上研究前沿的紧张代表为欧盟的LSA和美国的SuperWiFi。
虽然认知无线电从无线电用户角度部分办理了某一频段的动态频谱管理问题，但是对付无线电管理机构对全频谱的动态管理仍旧短缺有效的办理方案。
在无线电频谱管理的技能剖析过程中，常常要对重点旗子暗记以及非常旗子暗记进行识别。
在频段中旗子暗记种别多、发射台站多的情形下，多个旗子暗记将重叠在同频段，给频谱管理带来巨大寻衅。
认知无线电技能中的频谱感知能快速识别空闲频谱，建立空闲频谱池，但是对付不断变革的无线电频谱情形无法办理频谱动态分配问题。
频谱动态管理须要办理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

NO.2

取得高速发展

随着技能发展，人工智能已经在电子商务、金融以及医疗等方面得到了运用。

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，他对人工智能的阐明是这项研究的一种推测，即任何学习行为或其他智力特色原则上能被精确描述，从而可以制造出一台机器来仿照它。
随着技能发展，人工智能已经在电子商务、金融以及医疗等方面得到了运用。
同时，机器学习和深度学习也常常与人工智能一并被提及。
机器学习是人工智能的一种路子或子集，它强调学习而不是打算机程序。
一台机器利用繁芜的算法来剖析大量数据，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，它用大量的数据和打算能力来仿照深度神经网络。
这三个观点紧密联系，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打破，人工智能商业化取得高速发展。
2016年，AlphaGo降服李世石，人工智能受到天下空前的关注。
人工智能产品与做事不断推出，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家当，今年7月发布的《新一代人工智能发展方案》中提出，到2020年，我国人工智能总体技能和运用与天下前辈水平同步；到2025年，我国人工智能根本理论实现重大打破，部分技能与运用达到天下领先水平；到2030年，我国人工智能理论、技能与运用总体将达到天下领先水平，成为天下紧张人工智能创新中央。

2017年6月7日至9日在日内瓦举行的“人工智能造福人类环球峰会”旨在加速人工智能（AI）办理方案的发展和大众化，以应对穷苦、饥饿、康健、教诲、平等和环境保护等环球性寻衅。
作为联合国卖力信息通信技能的专门机构，国际电联旨在勾引人工智能不断实现创新，以终极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供应一个中立的平台，以便达成对新兴人工智能技能能力的共识。
”

“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浩瀚领域的根本工具，从为无法得到正规教诲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，再到勾引前辈、自主的机器人车辆探索深海或在月球表面探求路径。
”X奖基金会（XPRIZE）首席实行官（CEO）MarcusShingles说，“我们认识到，随着人工智能的加速推进和大众化，新一代问题办理者在应对环球寻衅时面临极大的机遇。
”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，磋商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

NO.3

频谱管理新模式

为理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环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办法，紧张是情景比较大略，可能不须要决策，乃至只要预测一下就行了。
但是现在频谱作战是在一个繁芜的电磁频谱环境下进行的，繁芜性紧张表示在多样性、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，紧张办理战前快速方案、战时自我协同和与敌方对抗。
紧张利用人机稠浊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寻衅。
为了应对这三大寻衅，我们须要在频谱方面展开三方面变革，这三方面的变革也表示了互联网＋、人工智能＋，以及频谱转型。

为理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，促进从伶仃监测向网格化监测和剖析转变，同时在繁芜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能运用。

美国国防高等研究操持署（DARPA）帮助的无线电频谱机器学习系统由四大技能组成部分：

1．特色学习：从旗子暗记数据中识别旗子暗记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度到相应的重点监测频段或频点。

3．自动感知识别：根据用户任务须要自动调度监测设置。

4．旗子暗记合成：根据用户须要数字化合成旗子暗记并能够改进合成旗子暗记质量。

在无线电频谱管理的技能剖析过程中，常常要对重点旗子暗记以及非常旗子暗记进行识别，这常日依赖监测举动步伐和工程师的履历，一旦碰着黑广播、伪基站等突发情形，每每须要投入大量人力花韶光巡查定位。
此外，为提高频率利用效率，管理部门希望提高频段共享技能，预测到频段的利用情形，以便在不引起滋扰的条件下进行频率复用。

诚然，人工智能在无线电管理方面的运用也面临许多寻衅。
例如，人工智能在动态频谱管理方面的运用根本是大数据。
所须要的数据不仅量大而且纷繁繁芜。
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须要一套严密的研判规则，须要对频谱进行可量化的评估。
《国家无线电管理方案（2016—2020）》指出：“十三五”期间，紧张任务是创新频谱管理，建立科学合理的频谱利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，我们一方面夯实根本，另一方面也要紧跟前瞻性技能发展趋势，利用人工智能技能做事频谱动态管理，做事新形势下的无线电管理。