NIST ENGINEER JASON编码器为机器学习公式进行数学计算，该机器可以帮助5G和其他无线网络选择和共享通信频率。
美国国家标准和技术研究所（NIST）的研究人员已经开发了一种数学公式，计算机模拟建议，可以帮助5G和其他无线网络选择和共享通信频率比试用和错误方法更有效地更有效地选择和共享通信频率约5000倍。
新颖的公式是一种机器学习的形式，可根据特定网络环境中的先前经验选择被称为通道的无线频率范围。上周在会议上描述，该公式可以在许多类型的现实网络中的发射机上编程到软件中。
NIST公式是一种帮助满足对无线系统的不断增长的需求，包括5G，通过共享频率范围，也称为频带，这是无许可的。例如，Wi-Fi使用未许可的乐队 - 未经联邦通信委员会向特定用户分配的乐队。NIST研究重点是一种场景，其中Wi-Fi与特定频率或子信道的蜂窝系统竞争。这种情况具有挑战性的是，这些蜂窝系统通过使用称为许可证辅助访问（LAA）的方法来提高其数据传输速率，该方法组合了未许可和许可的频带。
“这项工作探讨了机器学习在做出关于哪个频道传输开启的决定，”NIST工程师Jason编码器表示。“这可能是可能在未经许可的乐队中进行沟通更有效。”
NIST公式使发射器能够快速选择最佳子信道，以便在未经许可的频段中成功和同时操作Wi-Fi和LAA网络。发射器每种都学会最大化总网络数据速率而不彼此通信。该方案迅速实现了基于详尽的试验和错误通道搜索的总体性能。
通过考虑多个网络“层”，通过考虑到多个网络“层”，对网站和接收器之间的频道访问规则来涉及通信中的机器学习的先前研究。
该公式是一个“Q-Learning”技术，意味着它映射环境条件 - 例如：存在的网络和发射机数量和频道的数量 - 在最大化值的动作上，称为Q，返回最佳奖励。通过与环境进行交互并尝试不同的操作，算法了解哪个频道提供最佳结果。每个发送器都会学习选择在特定环境条件下产生最佳数据速率的通道。
如果这两个网络选择适当的渠道，结合整体网络环境的EF？ciency改善。该方法以两种方式提高数据速率。具体驾驶，如果发射机选择未占用的信道，则成功传输的概率升高，导致更高的数据速率。并且如果发射机选择通道，则会最小化干扰，则信号更强，导致更高的接收数据速率。
在计算机模拟中，最佳分配方法通过搜索所有可能的组合来分配给发射器的通道，以找到最大化总网络数据速率的方法。NIST公式产生接近最佳的结果，但在更简单的过程中。该研究发现，识别最佳解决方案的详尽努力需要大约45,600次试验，而公式可以通过仅尝试10个通道来选择类似的解决方案，仅需0.02％的努力。
该研究解决了室内场景，例如在未许可频段中具有多个Wi-Fi接入点和手机操作的建筑物。研究人员现在计划在大规模的户外情景中模拟方法，并进行物理实验以证明效果。
参考：S. Mosleh，Y. Ma，J.D.Rezac和J.B，“通过S. Mo，J.D.Rezac和J.b，”动态频谱学习的动态频谱访问。编码器，在2020年IEEE 91ST车辆技术大会上，5月25日，2020年。
