La détection du spectre joue un rôle important dans les futurs systèmes de communication sans fil car elle aide à résoudre le problème de la coexistence et à optimiser l'efficacité du spectre. Cependant, la communication 5G en cours implique des scénarios diversifiés avec des caractéristiques différentes et des exigences diverses, ce qui rend les méthodes de détection de spectre difficiles pour servir diverses applications de manière flexible tout en maintenant des performances satisfaisantes. La rareté des ressources spectrales reste un défi critique pour les communications 5G.

Motivé par un tel challenge, une équipe de recherche dirigée par le professeur Hu Honglin et le professeur Xu Tianheng de l'Institut de recherche avancée de Shanghai (SARI) de l'Académie chinoise des sciences (CAS) a fourni une nouvelle technique de détection de spectre, la recherche d'un moyen réalisable de combiner le concept d'apprentissage par renforcement avec des méthodes avancées de détection de spectre afin d'optimiser les performances du réseau radio cognitif dans divers scénarios de communications 5G.

Les résultats de la recherche ont été publiés dans le dernier numéro de Communications sans fil IEEE intitulé « Détection intelligente du spectre :lorsque l'apprentissage par renforcement rencontre la détection automatique de répétition dans les communications 5G. »

L'équipe de recherche a analysé les différentes exigences de plusieurs scénarios 5G typiques, et catégorisé trois modèles dédiés avec des cibles d'optimisation respectives pour les techniques de détection de spectre.

Afin de s'adapter à diverses cibles d'optimisation, les scientifiques ont conçu l'architecture de la technique de détection de spectre intelligent, en essayant de tenir compte à la fois des problèmes d'instabilité et d'adaptabilité. Les résultats numériques ont montré que la technique de détection proposée a la capacité de s'adapter à divers scénarios avec différentes cibles d'optimisation.

Les résultats de la recherche sont prometteurs pour des applications pratiques. Ils ont été appliqués dans le système SEANET développé par CAS et Alpha, un réseau de campus construit par CAS et ShanghaiTech University. Les résultats contribuent également au déploiement et à la promotion de la 5G et du système de communication de nouvelle génération en Chine.