Lorsque les vacanciers achètent une participation dans une multipropriété en bord de mer, ils décident à l'avance qui utilisera la propriété quand. Le National Institute of Standards and Technology (NIST) aide la Federal Communications Commission (FCC) à mettre en place un plan similaire lorsque les fournisseurs de services sans fil commerciaux et la marine américaine tentent de partager une section souhaitable de 150 mégahertz (MHz) de la fréquence radio. Spectre (RF) pour les communications.

Dans un nouveau journal, Les chercheurs du NIST démontrent que les algorithmes d'apprentissage en profondeur - une forme d'intelligence artificielle - sont nettement meilleurs que les algorithmes couramment utilisés, méthode moins sophistiquée pour détecter le fonctionnement des radars offshore. Une détection radar améliorée permettrait aux utilisateurs commerciaux de savoir quand ils doivent céder la bande dite de 3,5 gigahertz (3,5 GHz).

En 2015, la FCC a adopté des règles pour le Citizens Broadband Radio Service (CBRS) afin de permettre aux fournisseurs commerciaux d'équipements sans fil LTE (évolution à long terme) et aux fournisseurs de services d'utiliser la bande 3,5 GHz lorsqu'elle n'est pas nécessaire pour les opérations radar.

Des entreprises telles que AT&T, Google, Nokia, Qualcomm, Sony et Verizon sont impatients d'accéder à cette bande (entre 3550 et 3700 MHz) car elle élargira les marchés de produits et offrira aux utilisateurs finaux une meilleure couverture et des débits de données plus élevés dans une variété d'environnements où le service est traditionnellement faible.

Le NIST a aidé à développer 10 spécifications standard qui permettent aux fournisseurs de services et à d'autres utilisateurs potentiels d'opérer dans la bande 3,5 GHz conformément aux réglementations de la FCC tout en assurant à la Marine que la bande peut être partagée avec succès sans interférence RF. Ces spécifications standard, y compris l'algorithme de protection des utilisateurs militaires historiques, ont été approuvées en février 2018 par le Wireless Innovation Forum Spectrum Sharing Committee (WINNF SSC), l'organisme de normalisation public-privé pour le CBRS. Cependant, il n'y a actuellement aucune norme officielle pour déterminer quand l'armée utilise la bande. La nouvelle étude, rapporté dans la revue IEEE Transactions on Cognitive Communications and Networking, représente le dernier effort de recherche du NIST pour atteindre cet objectif.

Dans la pratique actuelle, les signaux radar des navires en mer sont identifiés à l'aide de détecteurs automatisés qui recherchent les augmentations d'énergie dans le spectre électromagnétique. "Toutefois, " a déclaré Michael Souryal, responsable du projet de soutien au partage de spectre du NIST, "Ces détecteurs d'énergie ne sont pas assez discriminants pour bien faire les choses de manière cohérente, parfois confondant d'autres signaux RF en tant que radar ou manquant complètement les signatures radar."

Souryal et ses collègues se sont tournés vers l'intelligence artificielle (IA) pour une solution potentielle. Huit algorithmes d'apprentissage en profondeur - des systèmes logiciels qui apprennent à partir de données préexistantes - ont été formés pour reconnaître les signaux radar offshore d'une collection de près de 15, 000 Spectrogrammes de 60 secondes (représentations visuelles des signaux radar dans le temps). Ces spectrogrammes ont été enregistrés en 2016 près des bases navales de San Diego, Californie, et Virginia Beach, Virginie, pour le National Advanced Spectrum and Communications Test Network (NASCTN).

Après l'entrainement, les algorithmes d'apprentissage en profondeur ont été confrontés à des détecteurs d'énergie pour voir lequel fonctionnait le mieux pour identifier et classer un ensemble de spectrogrammes différents de ceux utilisés pour éduquer les détecteurs d'IA.

"Nous avons constaté que trois des algorithmes d'apprentissage en profondeur surpassaient sensiblement les détecteurs d'énergie, " a déclaré Souryal.

Le meilleur algorithme d'apprentissage en profondeur et la collection de spectrogrammes ont été utilisés pour développer des statistiques d'occupation de la bande 3,5 GHz, " des ensembles de données qui décrivent quand la bande est disponible et pendant combien de temps.

Maintenant que les chercheurs du NIST ont validé l'utilisation des algorithmes d'apprentissage en profondeur, ils prévoient de continuer à affiner les détecteurs d'IA en les entraînant avec une résolution plus élevée, des données radar plus détaillées, qui, selon eux, devraient conduire à des performances encore meilleures.