终检评审通过 创新训练 510电子与通信技术 理论研究-科学技术未定级

随着无线电技术的迅速发展，有限的频率资源已无法满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定位等新技术得到了飞速发展。然而，目前最为前沿的人工智能技术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。 目前无线网络普遍采用固定频谱分配方式，几乎所有的无线终端都工作在一些频谱管理机构(如国际电信联盟、各国频谱管理机构)分配好的频谱之下。研究表明，在该方式下，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使用，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重要课题，旨在提高无线频谱资源的利用效率。在机会的驱动下，认知无线电允许无线终端自动感知、识别并利用任何空闲的频谱资源。一旦在使用的频谱段上的授权用户出现，无线终端将主动地让出相应的频谱，并切换到另一段可使用的频谱上。 为解决频谱动态利用率问题，认知无线电技术近些年发展迅猛。认知无线电是可以根据环境变化改变传送端参数的无线电技术。它可以在没有用户使用授权频段的时候使用这个频段，极大地提高了频谱利用率，弥补了固定频谱分配的缺陷，是下一代网络的关键技术。从技术角度上说，认知无线电可以根据环境变化改变传送端参数。它用于自适应频谱管理及子系统的研发——智能天线、传感器和接收机、自适应调制和波形技术等，是下一代网络动态使用频谱的关键。认知无线电可以在没有用户使用授权频段的时候使用这个频段，极大地提高了频谱利用率，弥补了固定频谱分配的缺陷。 为了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，促进从孤立监测向网格化监测和分析转变，同时在复杂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术应用。