当度假者购买海滨分时度假的股份时，他们会提前决定谁在什么时候可以使用该地产。美国国家标准与技术研究所（NIST）正在帮助联邦通信委员会（FCC）制定一项类似的计划，以便应对商用无线供应商和美国海军试图共享一个150兆赫（MHz）宽的通信射频频谱。

NIST的研究人员在一篇新论文中证明了深度学习算法：人工智能的一种形式。明显优于常用的、不太复杂的海上雷达运行时的检测方法。改进的雷达探测将使商业用户能够知道何时必须产生所谓的3.5千兆赫兹（3.5千兆赫）波段。

2015年，美国联邦通信委员会通过了《公民宽带无线电服务规则》（CBRS），允许商用LTE（长期演进）无线设备供应商和服务提供商在雷达运行不需要时使用3.5GHz频段。

AT&T、谷歌、诺基亚、高通、索尼和Verizon等公司一直渴望使用此频段（介于3550到3700兆赫之间），因为它将扩大产品市场，并在各种传统服务较弱的环境中为最终用户提供更好的覆盖范围和更高的数据速率。

NIST帮助制定了10个标准规范，使服务提供商和其他潜在用户能够在联邦通信委员会（FCC）规定的3.5GHz频段内工作，同时确保海军能够在没有射频干扰的情况下成功共享频段。这些标准规范，包括保护现有军事用户的算法，于2018年2月由CBRS公私标准机构无线创新论坛频谱共享委员会（Winnf SSC）批准。然而，目前还没有确定军方何时使用该频段的官方标准。这项新的研究报告发表在《IEEE认知交流和网络交易》杂志上，代表着NIST为实现这一目标所做的最新研究。



在目前的实践中，来自海上船只的雷达信号是通过自动探测器来识别的。该自动探测器可以检测电磁频谱中能量的上升。“然而，”NIST频谱共享支持项目的负责人Michael Souryal说，“这些能量探测器没有足够的鉴别能力，因此有时会混淆其他射频信号为雷达或完全忽略雷达信号。”

Souryal和他的同事们转向人工智能（AI）来寻找一个潜在的解决方案。从现有数据中学习的软件系统中，有八种深度学习算法经过训练可识别近15000个60秒长的频谱图（雷达信号随时间的视觉表示）近海上的雷达信号。这些频谱图记录于2016年，位于加利福尼亚州圣地亚哥和弗吉尼亚州弗吉尼亚海滩的海军基地附近，用于美国国家高级频谱和通信测试网络（NASCTN）。

在训练后，深度学习算法与能量检测器进行了对比，看看哪种算法在识别和分类一组频谱图方面表现最好，而这些频谱图与用于教育AI检测器的频谱图不同。

Souryal说：“我们发现有三种深度学习算法明显优于能量检测器。”

最好的深度学习算法和频谱图收集用于开发3.5 GHz频段“的占用统计数据”，这些数据集描述了频段的可用时间和持续时间。

现在NIST的研究人员已经验证了深度学习算法的使用，他们计划继续改进人工智能探测器，用更高分辨率、更详细的雷达数据对其进行训练，他们认为这样可以带来更好的性能。