Três cenários típicos de detecção de espectro envolvidos em comunicações 5G. Crédito:SARI
A detecção de espectro desempenha um papel importante nos sistemas de comunicação sem fio do futuro, pois ajuda a resolver o problema de coexistência e otimizar a eficiência do espectro. Contudo, a comunicação 5G em andamento envolve cenários diversificados com características e requisitos diversos, o que torna os métodos de detecção de espectro difíceis de atender a várias aplicações de forma flexível, mantendo um desempenho satisfatório. A escassez de recursos de espectro continua sendo um desafio crítico para as comunicações 5G.
Motivado por tal desafio, uma equipe de pesquisa liderada pelo Prof. Hu Honglin e Prof. Xu Tianheng no Instituto de Pesquisa Avançada de Xangai (SARI) da Academia Chinesa de Ciências (CAS) forneceu uma nova técnica de detecção de espectro, buscando uma forma viável de combinar o conceito de aprendizagem por reforço com métodos avançados de sensoriamento de espectro de modo a otimizar o desempenho da rede de rádio cognitiva em cenários multifários em comunicações 5G.
Os resultados da pesquisa foram publicados na última edição da Comunicações sem fio IEEE intitulado "Sensor de Espectro Inteligente:Quando o Aprendizado por Reforço encontra o Sensor de Repetição Automático em Comunicações 5G."
A equipe de pesquisa analisou diferentes requisitos de vários cenários 5G típicos, e categorizou três modelos dedicados com respectivos alvos de otimização para técnicas de detecção de espectro.
Para ser adaptável a vários alvos de otimização, cientistas projetaram a arquitetura para a técnica de detecção de espectro inteligente, tentando levar em conta as questões de instabilidade e adaptabilidade. Os resultados numéricos demonstraram que a técnica de sensoriamento proposta tem a capacidade de se adaptar a vários cenários com diferentes alvos de otimização.
Os resultados da pesquisa são promissores para aplicações práticas. Eles foram aplicados no sistema SEANET desenvolvido pela CAS e Alpha, uma rede de campus construída pela CAS e pela ShanghaiTech University. Os resultados também contribuem para a implantação e promoção do 5G e do sistema de comunicação de próxima geração na China.
Mecanismo de detecção automática de repetição orientado por reforço de aprendizagem. Crédito:SARI
Comparação de desempenho entre três estratégias de sensoriamento inteligente:a) Desempenho de precisão do sensoriamento; b) Desempenho de throughput. Crédito:SARI