當度假者購買海濱分時度假的股份時，他們會預先決定誰何時可以使用該物業。美國國家標準技術研究院（NIST）正在幫助聯邦通信委員會（FCC）制定類似的計劃，通博娛樂城商業無線提供商和美國海軍試圖共享所需的射頻（RF）頻譜的150兆赫（MHz）寬的部分進行通信。
NIST的研究人員在一篇新論文中證明，深度學習算法（一種人工智能形式）比檢測海上雷達何時運行的通用且不太複雜的方法要好得多。改進的雷達檢測功能可使商業用戶知道何捕魚達人交易時必須產生所謂的3.5吉赫茲（3.5 GHz）頻段。
2015年，FCC通過了《公民寬帶無線電服務（CBRS）規則》，以允許商業LTE（長期演進）無線設備供應商和服務提供商在雷達操作不需要時使用3.5 GHz頻段。
AT＆T，Google，諾基亞，高通，索尼和Verizon等公司一直渴望進入該頻段（3550和3700 MHz之間），因為它將擴展產品市場，並在各種環境中為最終用戶提供更好的覆蓋範圍和更高的數據速率速度傳統上服務薄弱的地方。
NIST幫助制定了10個標準規範，使服務提供商和其他潛在用戶可以根據FCC規定在3.5 GHz頻段內運行，同時確保海軍可以成功共享該頻段而不會受到RF干擾。這些標準規範，包括保護軍事在職用戶的算法，已於2018年2月由t娛樂城註冊送現金無線創新論壇頻譜共享委員會（WINNF SSC），CBRS的公私標準機構。但是，目前尚無官方標準來確定軍方何時使用該樂隊。這項新研究發表在《 IEEE認知通信與網絡交易》雜誌上，代表了NIST為實現該目標所做的最新研究。
在當前實踐中，使用自動探測器識別海上船舶的雷達信號，該探測器尋找電磁頻譜中的能量上升。 NIST頻譜共享支持項目負責人Michael Souryal說：“但是，這些能量檢測器的辨別力不足以始終如一地正確處理，有時會使其他RF信號混淆為雷達或完全失去雷達信號。”
Souryal和他的同事們轉向了人工智能（AI）尋求潛在的解決方案。訓練了八種深度學習算法（可從現有數據中學習的軟件系統），以從近15,000個60秒長的頻譜圖（隨時間變化的雷達信號的可視表示）集合中識別海上雷達信號。這些頻譜圖於2016年在美國加利福尼亞州聖地亞哥和弗吉尼亞州弗吉尼亞海灘附近的海軍基地記錄，用於國家高級頻譜和通信測試網絡（NASCTN）。
訓練後，將深度學習算法與能量探測器進行對比，以了解哪種算法在識別和分類與用於教育AI探測器的光譜圖不同的一組光譜圖中表現最佳。
Souryal說：“我們發現三種深度學習算法的性能明顯優於能量檢測器。”
最佳的深度學習算法和頻譜圖集合用於開發3.5 GHz頻段“佔用統計數據”，該數據集描述了該頻段何時可用以及持續了多長時間。
現在NIST的研究通博娛樂城人員已經有效娛樂城賺錢厭倦了深度學習算法的使用，他們計劃2019娛樂城推薦通過使用更高分辨率，更詳細的雷達數據訓練AI探測器來完善他們，他們認為這將帶來更好的性能。
本文已由NIST提供的材料重新發布。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
參考：Lees W.M.，Wunderlich，A.，Jeavons，P.，Hale，P.D.，＆Souryal，M.R.（2019）。 3.5 GHz頻段頻譜圖的深度學習分類及其在六合彩玩法頻譜感應中的應用。 IEEE認知通信和網絡事務，1-1。 https://doi.org/10.1109/TCCN.2019.2899871
