随着无线电技术的很快发展，受限的频率资源已无法符合日益增长的用频市场需求。为提升频率资源的利用效率，频率资源综合管理获得了普遍注目。
在传统的静态管理向动态管理发展的过程中，理解无线电、TDOA定位等新技术获得了飞速发展。然而，目前尤为前沿的人工智能技术将更加高效地已完成数据到决策的切换，更加智能地已完成综合性任务。理解无线电解决问题频谱利用率问题动态频谱分享是理解无线网络研究中的最重要课题，目的提升无线频谱利用率。
目前无线网络广泛使用相同频谱分配方式，完全所有的无线终端都工作在一些频谱管理机构（如国际电信联盟、各国频谱管理机构）分配好的频谱之下。研究指出，在该方式下，大部分早已分配好的频谱很多时候在很多地区没被充份用于，其利用率在15％～85％平均。动态频谱分享是理解无线网络研究中的一个最重要课题，目的提升无线频谱资源的利用效率。
在机会的驱动下，理解无线电容许无线终端自动感官、辨识并利用任何空闲的频谱资源。一旦在用于的频谱段上的许可用户经常出现，无线终端将主动地让给适当的频谱，并转换到另一段可用于的频谱上。为解决问题频谱动态利用率问题，理解无线电技术近些年发展快速增长。
理解无线电的研究主要有：美国国防高级研究计划署（DARPA）资助的下一代无线通信（xG）项目，美国Rutgers大学winlab实验室正在做到的一个有关理解无线技术的国家自然科学基金项目，英国的移动电信技术虚拟世界中心的自适应射频技术研究，欧洲通信协会资助的DRIVE、OverDRiVE和TRUST，国家“863”计划理解无线电系统中的合作及跨层设计技术、空间信号检测和分析及QoS确保机制等。理解无线电是可以根据环境变化转变传输末端参数的无线电技术。它可以在没用户用于许可频段的时候用于这个频段，极大地提高了频谱利用率，填补了相同频谱分配的缺失，是下一代网络的关键技术。
从技术角度上说道，理解无线电可以根据环境变化转变传输末端参数。它用作自适应频谱管理及子系统的研发——智能天线、传感器和接收机、自适应调制和波形技术等，是下一代网络动态用于频谱的关键。理解无线电可以在没用户用于许可频段的时候用于这个频段，极大地提高了频谱利用率，填补了相同频谱分配的缺失。
理解无线电主要不具备两大能力。一个是理解能力。理解能力就就是指环境中提供感官信息的能力。
用简单的技术取得环境瞬时的空间变量并防止对其他用户的阻碍。另一个是重置能力。理解能力感官频谱，而重置能力则使无线电可以动态地配备硬件参数，使其可以在有所不同的频率上发送到和接管，还可以用于由硬件设备反对的有所不同传输终端。
因此，理解无线电在动态频谱管理中能构建多种功能。首先是频谱感官，辨别哪些频谱是能用的，并观测当用户工作在一个已许可的频段上时否不存在许可用户。其次是频谱管理，自由选择拟合的能用信道用于。
再度是频谱分享，调整与其他用户的信道终端，为用户获取必要的频谱决定方法。最后是频谱移动，在检测到许可用户时空信道后，迁入到其他的频段上。理解无线电技术不存在的不足之处是大幅度减少了系统的复杂度，通信质量无法几乎确保。因此，国际上明确提出一种新的体制，即动态许可管理体制。
也就是说容许广电等公司将空闲的频谱租赁给热点地区用户用于。现在国际上研究前沿的主要代表为欧盟的LSA和美国的SuperWiFi。虽然理解无线电从无线电用户角度部分解决问题了某一频段的动态频谱管理问题，但是对于无线电管理机构对全频谱的动态管理依然缺乏有效地的解决方案。
在无线电频谱管理的技术分析过程中，常常要对重点信号以及出现异常信号展开辨识。在频段中信号类别多、升空台站多的情况下，多个信号将重合在同频段，给频谱管理带给极大挑战。理解无线电技术中的频谱感官能较慢辨识空闲频谱，创建空闲频谱池，但是对于大大变化的无线电频谱情况无法解决问题频谱动态分配问题。
频谱动态管理必须解决问题的不仅是动态感官频谱环境，还要紧密结合自律决策来构建动态管理。人工智能的蓬勃发展也许为动态频谱管理带给发展契机。
人工智能商业化获得高速发展随着技术发展，人工智能早已在电子商务、金融以及医疗等方面获得了应用于。人工智能一词最先由理解科学家约翰·麦卡锡在研究中明确提出，他对人工智能的说明是这项研究的一种推断，即任何自学不道德或其他智力特征应以能被准确叙述，从而可以生产出有一台机器来仿真它。随着技术发展，人工智能早已在电子商务、金融以及医疗等方面获得了应用于。
同时，机器学习和深度自学也常常与人工智能悉数被提到。机器学习是人工智能的一种途径或子集，它特别强调自学而不是计算机程序。一台机器用于简单的算法来分析大量数据，辨识数据中的模式，并作出预测。深度自学是机器学习的一个子集，它用大量的数据和计算能力来仿真深度神经网络。
这三个概念紧密联系，但又各有注重。人工智能在1956年达特茅斯会议上被月明确提出来，2006年转入高速发展期。
随着深度自学算法在语音和图像识别上获得的突破，人工智能商业化获得高速发展。2016年，AlphaGo战胜李世石，人工智能受到世界空前的注目。人工智能产品与服务大大发售，如亚马逊Echo智能音箱、Facebook利用人工智能提高用户体验，都获得了市场的普遍接纳，BAT也在大力前进人工智能项目。
在政策助力方面，政府大力扶植人工智能产业，今年7月公布的《新一代人工智能发展规划》中明确提出，到2020年，我国人工智能总体技术和应用于与世界先进设备水平实时；到2025年，我国人工智能基础理论构建重大突破，部分技术与应用于超过世界领先水平；到2030年，我国人工智能理论、技术与应用于总体将超过世界领先水平，沦为世界主要人工智能创意中心。2017年6月7日至9日在日内瓦举办的“人工智能造福人类全球峰会”目的加快人工智能（AI）解决方案的发展和大众化，以应付贫穷、饥饿、身体健康、教育、公平和环境保护等全球性挑战。作为联合国负责管理信息通信技术的专门机构，国际电联目的引领人工智能大大构建创意，以最后构建联合国可持续发展的目标，国际电联秘书长赵厚麟认为：“我们正在为国际对话获取一个中立的平台，以便达成协议对新兴人工智能技术能力的共识。
”“在我们的组织的许多公共竞赛中，可以看见各个团队利用人工智能作为众多领域的基础工具，从为无法取得正规化教育的坦桑尼亚儿童建构个性化自学体验，到赋能消费者通过医用三录仪器设备作出医疗方面的要求，再行到引领先进设备、自律的机器人车辆探寻深海或在月球表面找寻路径。”X奖基金会（XPRIZE）首席执行官（CEO）MarcusShingles说道，“我们认识到，随着人工智能的加快前进和大众化，新一代问题解决问题者在应付全球挑战时面对很大的机遇。”这次活动是关于人工智能年度大会系列活动的第一次会议，有来自政府、行业、联合国机构、民间团体和人工智能研究界的各方代表参与，探究人工智能的近期发展及其对监管、道德以及安全性与隐私等问题的影响。
人工智能打开频谱管理新模式为了解决问题电磁频谱资源短缺的问题，人工智能将侧重智能化决策。频谱研究专家吴启辉教授在“2017全球未来网络发展峰会”上讲话谈及，传统的频谱决策是一种人工方式，主要是情景比较简单，有可能不必须决策，甚至只要预测一下就行了。
但是现在频谱登陆作战是在一个简单的电磁频谱环境下展开的，复杂性主要反映在多样性、密集型、大规模、低动态和低对付。我们研究智能频谱决策或自律频谱决策，从登陆作战角度来说，主要解决问题战前较慢规划、战时自我协同和与敌方对付。主要利用人机混合的智能决策方法展开预先决策和临时决策。
在移动互联网、物联网、天地一体化信息网络的驱动下，未来无线网络不会向速率更高、终端更加多、覆盖面积更加甚广的方向发展，对频谱资源明确提出更好的挑战。为了应付这三大挑战，我们必须在频谱方面进行三方面变革，这三方面的变革也反映了互联网＋、人工智能＋，以及频谱转型。为了解决问题电磁频谱资源短缺的问题，推展频谱资源从静态独霸向动态分享改变，人工智能将侧重智能化决策，增进从孤立无援监测向网格化监测和分析改变，同时在简单电磁环境中由人工决策向自律决策改变。
无线电频谱机器学习系统是人工智能在无线电频率管理方面的技术应用于。美国国防高级研究计划署（DARPA）资助的无线电频谱机器学习系统由四大技术组成部分：1．特征自学：从信号数据中辨识信号并按用户设置展开归类。
2．智能监测：从动态收集的海量数据中智能注目到频谱中的重点频段或者频点。根据用户设置的规则预测并调整到适当的重点监测频段或频点。
3．自动感官辨识：根据用户任务必须自动调整监测设置。4．信号制备：根据用户必须数字化制备信号并需要提高制备信号质量。在无线电频谱管理的技术分析过程中，常常要对重点信号以及出现异常信号展开辨识，这一般来说依赖监测设施和工程师的经验，一旦遇上白广播、伪基站等脑溢血情况，往往必须投放大量人力花上时间巡查定位。
此外，为提升频率用于效率，管理部门期望提升频段分享技术，预测到频段的用于情况，以便在不引发阻碍的前提下展开频率适配。诚然，人工智能在无线电管理方面的应用于也面对许多挑战。例如，人工智能在动态频谱管理方面的应用于基础是大数据。所必须的数据不仅量大而且纷繁复杂。
无线电监测数据、频率数据、台站数据各有注重但又密不可分。另一方面，深度自学若超过自律决策还必须一套森严的研判规则，必须对频谱展开可分析的评估。《国家无线电管理规划（2016—2020）》认为：“十三五”期间，首要任务是创意频谱管理，创建科学合理的频谱用于评估和频率重复使用机制，构成行政审核和市场化配置管理体系。
因此，我们一方面夯实基础，另一方面也无非跟前瞻性技术发展趋势，利用人工智能技术服务频谱动态管理，服务新形势下的无线电管理。
本文来源：亿百体育入口-www.ukeworld.net
