• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • I ricercatori sviluppano una tecnica di rilevamento dello spettro intelligente per le comunicazioni 5G

    Tre tipici scenari di rilevamento dello spettro coinvolti nelle comunicazioni 5G. Attestazione:SARI

    Il rilevamento dello spettro svolge un ruolo importante nei futuri sistemi di comunicazione wireless poiché aiuta a risolvere il problema della coesistenza ea ottimizzare l'efficienza dello spettro. Però, la comunicazione 5G in atto coinvolge scenari diversificati con caratteristiche ed esigenze diverse, il che rende i metodi di rilevamento dello spettro difficili da servire in modo flessibile a varie applicazioni mantenendo prestazioni soddisfacenti. La scarsità di risorse dello spettro rimane una sfida fondamentale per le comunicazioni 5G.

    Motivato da una simile sfida, un gruppo di ricerca guidato dal Prof. Hu Honglin e dal Prof. Xu Tianheng presso lo Shanghai Advanced Research Institute (SARI) dell'Accademia cinese delle scienze (CAS) ha fornito una nuova tecnica di rilevamento dello spettro, cercando un modo fattibile per combinare il concetto di apprendimento per rinforzo con metodi avanzati di rilevamento dello spettro in modo da ottimizzare le prestazioni della rete radio cognitiva in molteplici scenari nelle comunicazioni 5G.

    I risultati della ricerca sono stati pubblicati nell'ultimo numero di Comunicazioni wireless IEEE intitolato "Rilevamento intelligente dello spettro:quando l'apprendimento per rinforzo incontra il rilevamento automatico della ripetizione nelle comunicazioni 5G".

    Il team di ricerca ha analizzato i diversi requisiti di diversi scenari tipici 5G, e classificato tre modelli dedicati con rispettivi obiettivi di ottimizzazione per le tecniche di rilevamento dello spettro.

    Per adattarsi a vari obiettivi di ottimizzazione, gli scienziati hanno progettato l'architettura per la tecnica di rilevamento intelligente dello spettro, cercando di tenere conto sia dei problemi di instabilità che di adattabilità. I risultati numerici hanno dimostrato che la tecnica di rilevamento proposta ha la capacità di adattarsi a vari scenari con diversi obiettivi di ottimizzazione.

    I risultati della ricerca sono promettenti per le applicazioni pratiche. Sono stati applicati nel sistema SEANET sviluppato da CAS e Alpha, una rete di campus costruita da CAS e ShanghaiTech University. I risultati contribuiscono anche all'ulteriore diffusione e promozione del 5G e del sistema di comunicazione di prossima generazione in Cina.

    • Meccanismo di rilevamento automatico della ripetizione guidato dall'apprendimento del rinforzo. Attestazione:SARI

    • Confronto delle prestazioni tra tre strategie di rilevamento intelligenti:a) prestazioni di precisione di rilevamento; b) Prestazioni di rendimento. Attestazione:SARI




    © Scienza https://it.scienceaq.com