Blog
Casa » Blog » Centro de Conocimiento » Desde la radio cognitiva hasta la inteligencia artificial, explique el proceso de desarrollo de la tecnología de gestión dinámica del espectro.

Desde la radio cognitiva hasta la inteligencia artificial, explique el proceso de desarrollo de la tecnología de gestión dinámica del espectro.

Número Navegar:0     Autor:Editor del Sitio     publicar Tiempo: 2020-02-06      Origen:motorizado


Con el rápido desarrollo de la tecnología de radio, los recursos de frecuencia limitada no han podido satisfacer la creciente demanda de frecuencia. Para mejorar la eficiencia de utilización de los recursos de frecuencia, la gestión integral de los recursos de frecuencia ha recibido una atención generalizada. Durante el desarrollo de la gestión estática tradicional a la gestión dinámica, se han desarrollado rápidamente nuevas tecnologías como la radio cognitiva y el posicionamiento TDOA. Sin embargo, la tecnología de inteligencia artificial más avanzada en la actualidad completará la conversión de datos a la toma de decisiones de manera más eficiente y completará tareas integrales de manera más inteligente.


Radio cognitiva


En la actualidad, la red inalámbrica generalmente adopta un método de asignación de espectro fijo, y casi todos los terminales inalámbricos funcionan bajo el espectro asignado por algunas agencias de gestión del espectro (como la Unión Internacional de Telecomunicaciones y las agencias de gestión del espectro de varios países). La investigación muestra que, según este método, la mayoría del espectro asignado a menudo no se usa por completo en muchas áreas, y su tasa de utilización oscila entre el 15% y el 85%. El intercambio dinámico del espectro es un tema importante en la investigación de las redes inalámbricas cognitivas, cuyo objetivo es mejorar la eficiencia de utilización de los recursos del espectro inalámbrico. Impulsado por la oportunidad, la radio cognitiva permite que los terminales inalámbricos detecten, identifiquen y utilicen automáticamente cualquier recurso de espectro disponible. Una vez que aparece un usuario autorizado en el segmento de espectro utilizado, el terminal inalámbrico renunciará activamente al espectro correspondiente y cambiará a otro espectro disponible.


Para resolver el problema de la utilización del espectro dinámico, la tecnología de radio cognitiva se ha desarrollado rápidamente en los últimos años. La investigación de la radio cognitiva incluye principalmente: el proyecto de Comunicación Inalámbrica de Próxima Generación (xG) financiado por la Agencia de Proyectos de Investigación Avanzada de Defensa de los Estados Unidos (DARPA), un proyecto de la Fundación Nacional de Ciencias Naturales sobre tecnología inalámbrica cognitiva que realiza el laboratorio winlab de Rutgers University Research sobre tecnología de radiofrecuencia adaptativa en el Centro Virtual de Tecnología de Telecomunicaciones Móviles del Reino Unido, DRIVE, OverDRiVE y TRUST financiado por la Asociación Europea de Comunicaciones, técnicas de colaboración y diseño de capas cruzadas, detección y análisis de señales espaciales y QoS en el sistema de radio cognitivo del plan nacional \"863\" Mecanismo de garantía, etc.


La radio cognitiva es una tecnología de radio que puede cambiar los parámetros en el extremo de transmisión de acuerdo con los cambios ambientales. Puede usar esta banda de frecuencia cuando ningún usuario usa la banda de frecuencia autorizada, lo que mejora en gran medida la tasa de utilización del espectro y compensa las deficiencias de la asignación de espectro fijo. Es la tecnología clave de la red de próxima generación. Desde un punto de vista técnico, la radio cognitiva puede cambiar los parámetros del extremo de transmisión de acuerdo con los cambios ambientales. Se utiliza para la gestión del espectro adaptativo y el desarrollo de subsistemas: antenas inteligentes, sensores y receptores, modulación adaptativa y tecnologías de forma de onda, etc., y es la clave para el uso dinámico del espectro en las redes de próxima generación. La radio cognitiva puede usar esta banda de frecuencia cuando ningún usuario usa la banda de frecuencia autorizada, lo que mejora en gran medida la tasa de utilización del espectro y compensa las deficiencias de la asignación del espectro fijo.


La radio cognitiva tiene dos capacidades principales. Una es la capacidad cognitiva. La capacidad cognitiva es la capacidad de obtener información perceptiva del entorno. Utilice técnicas complejas para obtener variables espaciales instantáneas del entorno y evitar interferencias con otros usuarios. El otro es la capacidad de reiniciar. La capacidad cognitiva percibe el espectro, y la capacidad de reinicio permite que la radio configure dinámicamente los parámetros de hardware para que pueda enviar y recibir en diferentes frecuencias, y también puede usar diferentes accesos de transmisión compatibles con dispositivos de hardware. Por lo tanto, las radios cognitivas pueden implementar múltiples funciones en la gestión dinámica del espectro. El primero es la detección del espectro, determinar qué espectro está disponible y detectar si existe un usuario autorizado cuando el usuario trabaja en una banda de frecuencia autorizada. El segundo es la gestión del espectro, seleccionando el mejor canal disponible para usar. El tercero es compartir el espectro, ajustar el acceso al canal con otros usuarios y proporcionar a los usuarios los métodos de disposición del espectro adecuados. El último es el cambio de espectro. Después de detectar el canal espacio-tiempo de los usuarios autorizados, se mueve a otras bandas de frecuencia.


La desventaja de la tecnología de radio cognitiva es que la complejidad del sistema aumenta considerablemente y la calidad de la comunicación no puede garantizarse por completo. Por lo tanto, se propone un nuevo sistema a nivel internacional, a saber, un sistema dinámico de gestión de autorizaciones. En otras palabras, las empresas como la radio y la televisión pueden arrendar espectro inactivo a los usuarios en puntos críticos. En la actualidad, los principales representantes de los frentes internacionales de investigación son LSA de la Unión Europea y SuperWiFi de los Estados Unidos. Aunque la radio cognitiva resuelve parcialmente el problema de la gestión del espectro dinámico en una determinada banda de frecuencia desde la perspectiva de los usuarios de radio, todavía faltan soluciones efectivas para la gestión dinámica del espectro completo por parte de las agencias de gestión de radio. En el proceso de análisis técnico de la gestión del espectro radioeléctrico, a menudo es necesario identificar señales importantes y señales anormales. Cuando hay muchos tipos de señales en la banda de frecuencia y muchas estaciones transmisoras, las señales múltiples se superpondrán en la misma banda de frecuencia, lo que conlleva grandes desafíos para la gestión del espectro. La detección del espectro en la tecnología de radio cognitiva puede identificar rápidamente el espectro inactivo y establecer un grupo de espectro inactivo, pero no puede resolver el problema de asignación dinámica de espectro para cambiar las condiciones del espectro radioeléctrico. La gestión dinámica del espectro necesita resolver no solo la detección dinámica del entorno del espectro, sino también la estrecha integración de la toma de decisiones autónoma para lograr la gestión dinámica. El aumento de la inteligencia artificial puede brindar oportunidades de desarrollo para la gestión dinámica del espectro.


Con el desarrollo de la tecnología, la inteligencia artificial se ha aplicado en el comercio electrónico, las finanzas y el tratamiento médico. El término inteligencia artificial fue propuesto por primera vez por el científico cognitivo John McCarthy en su investigación. Su interpretación de la inteligencia artificial es una conjetura de esta investigación, es decir, cualquier comportamiento de aprendizaje u otras características intelectuales pueden describirse con precisión en principio, para que pueda fabricarse. Haga una máquina para simularlo. Con el desarrollo de la tecnología, la inteligencia artificial se ha aplicado en el comercio electrónico, las finanzas y el tratamiento médico. Al mismo tiempo, el aprendizaje automático y el aprendizaje profundo a menudo se mencionan junto con la inteligencia artificial. El aprendizaje automático es una vía o subconjunto de inteligencia artificial que enfatiza el aprendizaje en lugar de los programas de computadora. Una máquina utiliza algoritmos sofisticados para analizar grandes cantidades de datos, identificar patrones en los datos y hacer predicciones. El aprendizaje profundo es un subconjunto del aprendizaje automático. Utiliza grandes cantidades de datos y potencia informática para simular redes neuronales profundas. Estos tres conceptos están estrechamente vinculados, pero cada uno tiene su propio énfasis.


La inteligencia artificial se propuso oficialmente en la Conferencia de Dartmouth en 1956, y entró en un período de rápido desarrollo en 2006. Con el avance de los algoritmos de aprendizaje profundo en reconocimiento de voz e imagen, la comercialización de inteligencia artificial ha logrado un rápido desarrollo. En 2016, AlphaGo derrotó a Li Shishi, y la inteligencia artificial recibió una atención sin precedentes en el mundo. Los productos y servicios de inteligencia artificial continúan siendo lanzados, como los altavoces inteligentes Amazon Echo, Facebook para usar inteligencia artificial para mejorar la experiencia del usuario, han sido ampliamente reconocidos en el mercado, BAT también está promoviendo activamente proyectos de inteligencia artificial.


En términos de asistencia política, el gobierno apoya vigorosamente a la industria de inteligencia artificial. En el \"Plan de Desarrollo de Inteligencia Artificial de Nueva Generación\" emitido en julio de este año, se propone que para 2020, la tecnología general y la aplicación de inteligencia artificial en China se sincronizarán con el nivel avanzado del mundo; La teoría básica de la inteligencia artificial ha logrado avances importantes, y algunas tecnologías y aplicaciones han alcanzado el nivel líder mundial; para 2030, la teoría, la tecnología y las aplicaciones de inteligencia artificial de China generalmente alcanzarán el nivel líder mundial y se convertirán en el principal centro de innovación de inteligencia artificial del mundo.


La Cumbre Mundial sobre Inteligencia Artificial para la Humanidad, celebrada en Ginebra del 7 al 9 de junio de 2017, tiene como objetivo acelerar el desarrollo y la popularización de soluciones de inteligencia artificial (IA) para abordar la pobreza, el hambre, la salud, la educación, la igualdad y la protección del medio ambiente y otros desafíos globales. Como organismo especializado de las Naciones Unidas a cargo de la tecnología de la información y la comunicación, la UIT tiene como objetivo guiar la innovación continua de la inteligencia artificial para alcanzar en última instancia los objetivos de desarrollo sostenible de las Naciones Unidas. El Secretario General de la UIT, Houlin Zhao, dijo: \"Estamos proporcionando una plataforma neutral para alcanzar un consenso sobre las capacidades de las tecnologías emergentes de inteligencia artificial\".


\"En muchas competiciones públicas que organizamos, podemos ver equipos que utilizan la inteligencia artificial como una herramienta básica en muchos campos, desde la creación de experiencias de aprendizaje personalizadas para niños de Tanzania que no tienen educación formal, hasta el empoderamiento de los consumidores para usar dispositivos médicos de grabación triple. decisiones médicas, y luego guía vehículos robóticos autónomos avanzados para explorar las profundidades del mar o encontrar caminos en la superficie de la luna \", dijo Marcus Shingles, CEO y CEO de la Fundación Xcuse.\" Reconocemos eso con el avance acelerado y la popularización de inteligencia artificial, una nueva generación de solucionadores de problemas enfrenta grandes oportunidades para enfrentar desafíos globales \". Este evento es la primera reunión de una serie de actividades de la conferencia anual de inteligencia artificial. Hay agencias gubernamentales, industriales y de la ONU. Representantes de la sociedad civil y la comunidad de investigación de inteligencia artificial participaron para discutir los últimos desarrollos en inteligencia artificial y su impacto en cuestiones regulatorias, éticas y de seguridad y privacidad.


Para resolver la escasez de recursos del espectro electromagnético, la inteligencia artificial se centrará en la toma inteligente de decisiones. El profesor Wu Qihui, experto en investigación de espectro, habló en la \"Cumbre de Desarrollo de la Red del Futuro Global 2017\" y dijo que la toma de decisiones sobre el espectro tradicional es un método manual, principalmente porque el escenario es relativamente simple y la toma de decisiones puede no ser necesaria. o incluso solo predicción. Pero ahora las operaciones de espectro se llevan a cabo en un entorno complejo de espectro electromagnético, y la complejidad se refleja principalmente en la diversidad, intensiva, a gran escala, alta dinámica y alta confrontación. Estudiamos la toma de decisiones de espectro inteligente o la toma de decisiones de espectro autónomo. Desde el punto de vista operativo, nos ocupamos principalmente de la planificación rápida antes de la guerra, la auto coordinación en tiempos de guerra y la confrontación con el enemigo. El método inteligente de toma de decisiones del híbrido hombre-máquina se utiliza principalmente para la decisión anticipada y la decisión temporal.


Impulsada por Internet móvil, Internet de las cosas y la red de información integrada de los cielos y la tierra, la futura red inalámbrica se desarrollará en la dirección de mayor velocidad, mayor acceso y mayor cobertura, lo que representa más desafíos para los recursos del espectro. Para enfrentar estos tres desafíos, necesitamos llevar a cabo tres cambios en el espectro. Estos tres cambios también reflejan Internet +, inteligencia artificial + y transformación del espectro.


Para resolver la escasez de recursos del espectro electromagnético y promover la transformación de los recursos del espectro del monopolio estático al intercambio dinámico, la inteligencia artificial se centrará en la toma de decisiones inteligentes y promoverá la transición del monitoreo aislado al monitoreo y análisis basados ​​en la red. La toma de decisiones pasa a la toma de decisiones autónoma. El sistema de aprendizaje automático de espectro de radio es una aplicación técnica de inteligencia artificial en la gestión de radiofrecuencia.


El Sistema de Aprendizaje Automático de Radio Defensa financiado por la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) consta de cuatro tecnologías principales:

1. Característica de aprendizaje: identifique las señales de los datos de la señal y clasifíquelas según la configuración del usuario.

2. Monitoreo inteligente: enfóquese de manera inteligente en las bandas de frecuencia clave o puntos de frecuencia en el espectro de los datos masivos recopilados en tiempo real. Predecir y ajustar a la banda de frecuencia de monitorización o punto de frecuencia correspondiente de acuerdo con las reglas establecidas por el usuario.

3. Reconocimiento automático de percepción: ajusta automáticamente la configuración de monitoreo según las necesidades de las tareas del usuario.

4. Síntesis de señal: sintetice digitalmente las señales de acuerdo con las necesidades del usuario y mejore la calidad de las señales sintetizadas.


En el proceso de análisis técnico de la gestión del espectro radioeléctrico, a menudo es necesario identificar señales importantes y señales anormales. Esto generalmente depende de la experiencia de las instalaciones de monitoreo e ingenieros. Una vez que se encuentra con emergencias como transmisiones negras y pseudo estaciones base, a menudo requiere mucha mano de obra. Tiempo de inspección de posicionamiento. Además, para mejorar la eficiencia del uso de la frecuencia, el departamento de gestión espera mejorar la tecnología de uso compartido de la banda de frecuencia y predecir el uso de la banda de frecuencia para realizar la reutilización de la frecuencia sin causar interferencia.


Es cierto que la aplicación de la inteligencia artificial en la gestión de la radio también enfrenta muchos desafíos. Por ejemplo, la aplicación de la inteligencia artificial en la gestión dinámica del espectro se basa en big data. Los datos requeridos no solo son grandes sino complejos. Los datos de monitoreo de radio, datos de frecuencia y datos de estación tienen sus propios enfoques, pero son inseparables. Por otro lado, si el aprendizaje profundo logra una toma de decisiones autónoma, también requiere un conjunto de rigurosas reglas de investigación y juicio, y una evaluación cuantificable del espectro de frecuencia. El \"Plan Nacional de Gestión de Radio (2016-2020)\" señala: Durante el período del \"Decimotercer Plan Quinquenal\", la tarea principal es innovar la gestión del espectro, establecer una evaluación científica y razonable del uso del espectro y un mecanismo de recuperación de frecuencia, y formar un aprobación administrativa y sistema de gestión de configuración orientado al mercado. Por lo tanto, por un lado, sentamos una base sólida, por otro lado, también debemos estar al tanto de las tendencias de desarrollo de tecnología de futuro, usar tecnología de inteligencia artificial para servir a la gestión dinámica del espectro y servir a la gestión de radio en la nueva situación.


Productos relacionados

contenido está vacío!

Contácte Nos

+8613590103309
support@hk-ifly.com

Contacto IFLY
COPYRIGHT 2019 TODOS LOS DERECHOS RESERVADOS IFLY HONG KONG IFLY ELECTRONICS CO., LIMITED