隨著無線電技術的迅速發(fā)展，有限的頻率資源已無法滿足日益增長的用頻需求。為提高頻率資源的利用效率，頻率資源綜合管理得到了廣泛關注。在傳統(tǒng)的靜態(tài)管理向動態(tài)管理發(fā)展的過程中，認知無線電、TDOA定位等新技術得到了飛速發(fā)展。然而，目前最為前沿的人工智能技術將更高效地完成數(shù)據(jù)到?jīng)Q策的轉換，更智能地完成綜合性任務。

認知無線電

解決頻譜利用率問題

動態(tài)頻譜共享是認知無線網(wǎng)絡研究中的重要課題，旨在提高無線頻譜利用率。

目前無線網(wǎng)絡普遍采用固定頻譜分配方式，幾乎所有的無線終端都工作在一些頻譜管理機構（如國際電信聯(lián)盟、各國頻譜管理機構）分配好的頻譜之下。研究表明，在該方式下，大部分已經(jīng)分配好的頻譜很多時候在很多地區(qū)沒有被充分使用，其利用率在15%～85%不等。動態(tài)頻譜共享是認知無線網(wǎng)絡研究中的一個重要課題，旨在提高無線頻譜資源的利用效率。在機會的驅動下，認知無線電允許無線終端自動感知、識別并利用任何空閑的頻譜資源。一旦在使用的頻譜段上的授權用戶出現(xiàn)，無線終端將主動地讓出相應的頻譜，并切換到另一段可使用的頻譜上。

為解決頻譜動態(tài)利用率問題，認知無線電技術近些年發(fā)展迅猛。認知無線電的研究主要有：美國國防高級研究計劃署（DARPA）資助的下一代無線通信（xG）項目，美國Rutgers大學winlab實驗室正在做的一個有關認知無線技術的國家自然科學基金項目，英國的移動電信技術虛擬中心的自適應射頻技術研究，歐洲通信協(xié)會資助的DRIVE、OverDRiVE和TRUST，國家“863”計劃認知無線電系統(tǒng)中的合作及跨層設計技術、空間信號檢測和分析及QoS保證機制等。

認知無線電是可以根據(jù)環(huán)境變化改變傳送端參數(shù)的無線電技術。它可以在沒有用戶使用授權頻段的時候使用這個頻段，極大地提高了頻譜利用率，彌補了固定頻譜分配的缺陷，是下一代網(wǎng)絡的關鍵技術。從技術角度上說，認知無線電可以根據(jù)環(huán)境變化改變傳送端參數(shù)。它用于自適應頻譜管理及子系統(tǒng)的研發(fā)——智能天線、傳感器和接收機、自適應調制和波形技術等，是下一代網(wǎng)絡動態(tài)使用頻譜的關鍵。認知無線電可以在沒有用戶使用授權頻段的時候使用這個頻段，極大地提高了頻譜利用率，彌補了固定頻譜分配的缺陷。

認知無線電主要具備兩大能力。一個是認知能力。認知能力就是從環(huán)境中獲取感知信息的能力。用復雜的技術獲得環(huán)境瞬時的空間變量并避免對其他用戶的干擾。另一個是重置能力。認知能力感知頻譜，而重置能力則使無線電可以動態(tài)地配置硬件參數(shù)，使其可以在不同的頻率上發(fā)送和接收，還可以使用由硬件設備支持的不同傳送接入。因此，認知無線電在動態(tài)頻譜管理中能實現(xiàn)多種功能。首先是頻譜感知，判斷哪些頻譜是可用的，并探測當用戶工作在一個已授權的頻段上時是否存在授權用戶。其次是頻譜管理，選擇最優(yōu)的可用信道使用。再次是頻譜共享，調整與其他用戶的信道接入，為用戶提供適當?shù)念l譜安排方法。最后是頻譜移動，在檢測到授權用戶時空信道后，遷移到其他的頻段上。

認知無線電技術存在的不足之處是大幅增加了系統(tǒng)的復雜度，通信質量無法完全保證。因此，國際上提出一種新的體制，即動態(tài)授權管理體制。也就是說允許廣電等公司將空閑的頻譜出租給熱點地區(qū)用戶使用?，F(xiàn)在國際上研究前沿的主要代表為歐盟的LSA和美國的SuperWiFi。雖然認知無線電從無線電用戶角度部分解決了某一頻段的動態(tài)頻譜管理問題，但是對于無線電管理機構對全頻譜的動態(tài)管理仍然缺少有效的解決方案。在無線電頻譜管理的技術分析過程中，經(jīng)常要對重點信號以及異常信號進行識別。在頻段中信號類別多、發(fā)射臺站多的情況下，多個信號將重疊在同頻段，給頻譜管理帶來巨大挑戰(zhàn)。認知無線電技術中的頻譜感知能快速識別空閑頻譜，建立空閑頻譜池，但是對于不斷變化的無線電頻譜情況無法解決頻譜動態(tài)分配問題。頻譜動態(tài)管理需要解決的不僅是動態(tài)感知頻譜環(huán)境，還要緊密結合自主決策來實現(xiàn)動態(tài)管理。人工智能的興起或許為動態(tài)頻譜管理帶來發(fā)展契機。

人工智能商業(yè)化

取得高速發(fā)展

隨著技術發(fā)展，人工智能已經(jīng)在電子商務、金融以及醫(yī)療等方面得到了應用。

人工智能一詞最早由認知科學家約翰·麥卡錫在研究中提出，他對人工智能的解釋是這項研究的一種推測，即任何學習行為或其他智力特征原則上能被精確描述，從而可以制造出一臺機器來模擬它。隨著技術發(fā)展，人工智能已經(jīng)在電子商務、金融以及醫(yī)療等方面得到了應用。同時，機器學習和深度學習也經(jīng)常與人工智能一并被提及。機器學習是人工智能的一種途徑或子集，它強調學習而不是計算機程序。一臺機器使用復雜的算法來分析大量數(shù)據(jù)，識別數(shù)據(jù)中的模式，并做出預測。深度學習是機器學習的一個子集，它用大量的數(shù)據(jù)和計算能力來模擬深度神經(jīng)網(wǎng)絡。這三個概念緊密聯(lián)系，但又各有側重。

人工智能在1956年達特茅斯會議上被正式提出來，2006年進入高速發(fā)展期。隨著深度學習算法在語音和圖像識別上取得的突破，人工智能商業(yè)化取得高速發(fā)展。2016年，AlphaGo戰(zhàn)勝李世石，人工智能受到世界空前的關注。人工智能產(chǎn)品與服務不斷推出，如亞馬遜Echo智能音箱、Facebook利用人工智能提升用戶體驗，都得到了市場的廣泛認可，BAT也在積極推進人工智能項目。

在政策助力方面，政府大力扶持人工智能產(chǎn)業(yè)，今年7月發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中提出，到2020年，我國人工智能總體技術和應用與世界先進水平同步；到2025年，我國人工智能基礎理論實現(xiàn)重大突破，部分技術與應用達到世界領先水平；到2030年，我國人工智能理論、技術與應用總體將達到世界領先水平，成為世界主要人工智能創(chuàng)新中心。

2017年6月7日至9日在日內(nèi)瓦舉行的“人工智能造福人類全球峰會”旨在加速人工智能（AI）解決方案的發(fā)展和大眾化，以應對貧困、饑餓、健康、教育、平等和環(huán)境保護等全球性挑戰(zhàn)。作為聯(lián)合國負責信息通信技術的專門機構，國際電聯(lián)旨在引導人工智能不斷實現(xiàn)創(chuàng)新，以最終實現(xiàn)聯(lián)合國可持續(xù)發(fā)展的目標，國際電聯(lián)秘書長趙厚麟指出：“我們正在為國際對話提供一個中立的平臺，以便達成對新興人工智能技術能力的共識。”

“在我們組織的許多公共競賽中，可以看到各個團隊利用人工智能作為眾多領域的基礎工具，從為無法獲得正規(guī)教育的坦桑尼亞兒童創(chuàng)造個性化學習體驗，到賦能消費者通過醫(yī)用三錄儀器設備做出醫(yī)療方面的決定，再到引導先進、自主的機器人車輛探索深海或在月球表面尋找路徑?！盭獎基金會（XPRIZE）首席執(zhí)行官（CEO）MarcusShingles說，“我們認識到，隨著人工智能的加速推進和大眾化，新一代問題解決者在應對全球挑戰(zhàn)時面臨極大的機遇?！边@次活動是關于人工智能年度大會系列活動的第一次會議，有來自政府、行業(yè)、聯(lián)合國機構、民間團體和人工智能研究界的各方代表參加，探討人工智能的最新發(fā)展及其對監(jiān)管、道德以及安全與隱私等問題的影響。

人工智能開啟

頻譜管理新模式

為了解決電磁頻譜資源緊缺的問題，人工智能將著眼于智能化決策。

頻譜研究專家吳啟輝教授在“2017全球未來網(wǎng)絡發(fā)展峰會”上發(fā)言談到，傳統(tǒng)的頻譜決策是一種人工方式，主要是情景比較簡單，可能不需要決策，甚至只要預測一下就行了。但是現(xiàn)在頻譜作戰(zhàn)是在一個復雜的電磁頻譜環(huán)境下進行的，復雜性主要體現(xiàn)在多樣性、密集型、大規(guī)模、高動態(tài)和高對抗。我們研究智能頻譜決策或自主頻譜決策，從作戰(zhàn)角度來說，主要解決戰(zhàn)前快速規(guī)劃、戰(zhàn)時自我協(xié)同和與敵方對抗。主要利用人機混合的智能決策方法進行預先決策和臨時決策。

在移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、天地一體化信息網(wǎng)絡的驅動下，未來無線網(wǎng)絡會向速率更高、接入更多、覆蓋更廣的方向發(fā)展，對頻譜資源提出更多的挑戰(zhàn)。為了應對這三大挑戰(zhàn)，我們需要在頻譜方面展開三方面變革，這三方面的變革也體現(xiàn)了互聯(lián)網(wǎng)＋、人工智能＋，以及頻譜轉型。

為了解決電磁頻譜資源緊缺的問題，推動頻譜資源從靜態(tài)獨占向動態(tài)共享轉變，人工智能將著眼于智能化決策，促進從孤立監(jiān)測向網(wǎng)格化監(jiān)測和分析轉變，同時在復雜電磁環(huán)境中由人工決策向自主決策轉變。無線電頻譜機器學習系統(tǒng)是人工智能在無線電頻率管理方面的技術應用。

美國國防高級研究計劃署（DARPA）資助的無線電頻譜機器學習系統(tǒng)由四大技術組成部分：

1．特征學習：從信號數(shù)據(jù)中識別信號并按用戶設置進行歸類。

2．智能監(jiān)測：從實時采集的海量數(shù)據(jù)中智能關注到頻譜中的重點頻段或者頻點。根據(jù)用戶設置的規(guī)則預測并調整到相應的重點監(jiān)測頻段或頻點。

3．自動感知識別：根據(jù)用戶任務需要自動調整監(jiān)測設置。

4．信號合成：根據(jù)用戶需要數(shù)字化合成信號并能夠改善合成信號質量。

在無線電頻譜管理的技術分析過程中，經(jīng)常要對重點信號以及異常信號進行識別，這通常依靠監(jiān)測設施和工程師的經(jīng)驗，一旦遇到黑廣播、偽基站等突發(fā)情況，往往需要投入大量人力花時間巡查定位。此外，為提高頻率使用效率，管理部門希望提高頻段共享技術，預測到頻段的使用情況，以便在不引起干擾的前提下進行頻率復用。

誠然，人工智能在無線電管理方面的應用也面臨許多挑戰(zhàn)。例如，人工智能在動態(tài)頻譜管理方面的應用基礎是大數(shù)據(jù)。所需要的數(shù)據(jù)不僅量大而且紛繁復雜。無線電監(jiān)測數(shù)據(jù)、頻率數(shù)據(jù)、臺站數(shù)據(jù)各有側重但又密不可分。另一方面，深度學習若達到自主決策還需要一套嚴密的研判規(guī)則，需要對頻譜進行可量化的評估?！秶覠o線電管理規(guī)劃（2016—2020）》指出：“十三五”期間，首要任務是創(chuàng)新頻譜管理，建立科學合理的頻譜使用評估和頻率回收機制，形成行政審批和市場化配置管理體系。因此，我們一方面夯實基礎，另一方面也要緊跟前瞻性技術發(fā)展趨勢，利用人工智能技術服務頻譜動態(tài)管理，服務新形勢下的無線電管理。