Quando i vacanzieri acquistano una quota in una multiproprietà sulla spiaggia, decidono in anticipo chi può utilizzare la proprietà e quando. Il National Institute of Standards and Technology (NIST) sta aiutando la Federal Communications Commission (FCC) a istituire un piano simile per quando i provider wireless commerciali e la Marina degli Stati Uniti tentano di condividere una sezione desiderabile di 150 megahertz (MHz) della frequenza radio (RF) spettro per le comunicazioni.

In un nuovo documento, I ricercatori del NIST dimostrano che gli algoritmi di deep learning, una forma di intelligenza artificiale, sono significativamente migliori di quelli comunemente usati, metodo meno sofisticato per rilevare quando sono in funzione i radar offshore. Il rilevamento radar migliorato consentirebbe agli utenti commerciali di sapere quando devono produrre la cosiddetta banda da 3,5 Gigahertz (3,5 GHz).

Nel 2015, la FCC ha adottato regole per il Citizens Broadband Radio Service (CBRS) per consentire ai fornitori di apparecchiature wireless commerciali LTE (evoluzione a lungo termine) e ai fornitori di servizi di utilizzare la banda da 3,5 GHz quando non è necessaria per le operazioni radar.

Aziende come AT&T, Google, Nokia, Qualcomm, Sony e Verizon non vedono l'ora di accedere a questa banda (tra 3550 e 3700 MHz) perché espanderà i mercati dei prodotti e offrirà agli utenti finali una migliore copertura e velocità di trasmissione dati più elevate in una varietà di ambienti in cui il servizio è tradizionalmente debole.

Il NIST ha aiutato a sviluppare 10 specifiche standard che consentono ai fornitori di servizi e ad altri potenziali utenti di operare nella banda da 3,5 GHz secondo le normative FCC, assicurando al contempo alla Marina che la banda può essere condivisa con successo senza interferenze RF. Queste specifiche standard, compreso l'algoritmo per la protezione degli utenti militari storici, sono stati approvati nel febbraio 2018 dal Wireless Innovation Forum Spectrum Sharing Committee (WINNF SSC), l'ente di normalizzazione pubblico-privato per la CBRS. Però, non ci sono attualmente standard ufficiali per determinare quando i militari stanno usando la band. Il nuovo studio, riportato sulla rivista IEEE Transactions on Cognitive Communications and Networking, rappresenta l'ultimo sforzo di ricerca del NIST verso il raggiungimento di tale obiettivo.

Nella pratica attuale, i segnali radar delle navi in ​​mare vengono identificati utilizzando rilevatori automatizzati che cercano aumenti di energia nello spettro elettromagnetico. "Però, " ha detto Michael Souryal, capofila del progetto di sostegno alla condivisione dello spettro del NIST, "questi rilevatori di energia non sono abbastanza discriminanti per farlo correttamente, a volte confondendo altri segnali RF come radar o mancando del tutto le firme radar."

Souryal e i suoi colleghi si sono rivolti all'intelligenza artificiale (AI) per una potenziale soluzione. Otto algoritmi di deep learning, sistemi software che apprendono da dati preesistenti, sono stati addestrati a riconoscere i segnali radar offshore da una raccolta di quasi 15, 000 Spettrogrammi di 60 secondi (rappresentazioni visive dei segnali radar nel tempo). Questi spettrogrammi sono stati registrati nel 2016 vicino alle basi navali di San Diego, California, e Virginia Beach, Virginia, per il National Advanced Spectrum and Communications Test Network (NASCTN).

Dopo l'allenamento, gli algoritmi di deep learning sono stati confrontati con i rilevatori di energia per vedere quale funzionava meglio nell'identificare e classificare una serie di spettrogrammi diversi da quelli utilizzati per educare i rilevatori di intelligenza artificiale.

"Abbiamo scoperto che tre degli algoritmi di deep learning hanno notevolmente superato i rilevatori di energia, " ha detto Souryal.

Il miglior algoritmo di deep learning e la raccolta di spettrogrammi sono stati utilizzati per sviluppare statistiche sull'occupazione della banda da 3,5 GHz, " set di dati che descrivono quando la banda è disponibile e per quanto tempo.

Ora che i ricercatori del NIST hanno convalidato l'uso degli algoritmi di deep learning, hanno in programma di continuare a perfezionare i rilevatori di intelligenza artificiale addestrandoli con una risoluzione più elevata, dati radar più dettagliati, che ritengono dovrebbe portare a prestazioni ancora migliori.