NIST 的目標是使無線網路的頻率共享更加有效
美國國家標準與技術研究所(NIST)開發的機器學習方案有可能顯著改善 5G 和其他無線網路選擇和共享通信頻率的方式。研究人員聲稱,與試錯法相比,NIST 的方案可以使共享通信頻率的過程的效率提高多達 5000 倍。
NIST 系統的理念是,無線電設備可以從經驗中學習其網路環境,而不是像現在這樣,簡單地根據試錯法選擇頻率信道。
NIST 在 其網站上的一篇文章 中說,在特定的環境條件下,「該演算法可以學習哪個信道提供最好的結果」。
該團隊說:「該方案可以被編程到現實世界中許多 [不同] 類型網路的發射機軟體中。」
從本質上講,這個計算機模擬的演算法是一個映射環境射頻條件的先前經驗的公式。例如,這些條件可以包括在一個信道(一組相鄰的頻率)內運行的發射機的數量。
文章說:「……如果發射機選擇了一個未被佔用的信道,那麼成功傳輸的概率就會上升,從而導致更高的數據速率。」同樣地,當發射機選擇一個沒有太多干擾的信道時,信號會更強,你也會得到更好的數據速率。發射機會記住哪個信道提供了最佳結果,並學會在下次需要清晰信號時學會選擇那個位置。
這與今天的工作方式不同。也就是說,無線電只是試圖找到一個開放頻率,然後與類似協議的無線電進行通信。在複雜的情況下,使用諸如 Wi-Fi、跳頻和 波束成形 等技術來優化信道。
研究人員解釋說,NIST 的機器學習技術的亮點在於共享頻譜,比如通過授權頻譜輔助接入(LAA)共享 Wi-Fi。LAA 是非授權頻譜中的 LTE 頻譜,稱為 LTE-U,頻率為 5GHz。在相同頻率下的 Wi-Fi 與 LAA 的組合中,協議是不同的:無線電之間不能相互通信以協調工作,而且頻帶越繁忙就可能出現混亂 —— 傳輸會遇到其他傳輸。但是,如果所有的無線電接收機都能更好地選擇它們的佔位,通過學習哪些有效,哪些無效,那麼這將會更好。
NIST 工程師 Jason Coder 在文章中說:「這可能會使非授權頻段的通信更加高效。」
事實上,NIST 聲稱,它「可以幫助 5G 和其他無線網路選擇和共享通信頻率,其效率大約是試錯法的 5000 倍。」
這裡的關鍵詞是「共享」,因為為了在有限的頻譜內增加通信,必須進行更多的共享 —— 物聯網或媒體流等用戶都在爭奪同樣的隱喻資產。隨著物聯網和數字技術的不斷發展,非授權和授權頻段的結合,就像 LAA 中的情況一樣,可能會變得更加普遍。(非授權的頻段是指那些沒有分配給特定用戶的頻段,比如移動網路運營商;授權頻段是在拍賣中中標並分配的。)
在 NIST 場景中,相互競爭的發射機「各自學習在不相互通信的情況下最大化網路數據速率」。因此,多種協議和數據類型,如視頻或感測器數據,或 Wi-Fi 和移動網路,可以相互協作。
NIST 的方案大大簡化了為發射機分配最佳信道的過程,根據這篇文章研究發現,窮盡努力 [使用試錯法] 來確定最佳解決方案需要大約 45600 次試驗,而這個方案只需要嘗試 10 個渠道就可以選擇類似的解決方案,僅僅付出 0.02% 的努力。」
NIST 的研究人員在 IEEE 第 91 屆車輛技術會議上展示了他們的研究成果。
作者:Patrick Nelson 選題:lujun9972 譯者:CN-QUAN 校對:wxy
本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive