国内刊号:51-1267/TN
国际刊号:1001-893X
发布日期:
作者:崔翠梅,殷昌永,杨德智
单位:(1.常州工学院 电气信息工程学院,江苏 常州 213032;2.东南大学 移动通信国家重点实验室,南京 211189;3.中兴通讯股份有限公司,上海201203)
关键词:复杂网络;动态频谱共享;高效感知;多维协同预测;联合稀疏采样;机器学习;
基金:国家自然科学基金面上项目(62371075,62372070);国家自然科学基金青年基金项目(61801056);中国博士后科学基金(2018M632203);江苏省教育厅未来网络研究基金(FNSRFP-2021-YB-37);江苏高校"青蓝工程"中青年学术带头人培养对象人才资助项目
动态频谱共享被认为是解决未来5G/6G复杂网络环境“频谱赤字危机”这一问题直接有效的手段之一。然而,由于5G/6G网络超密集、高异构、高动态、智能化的新特征,频谱共享发现(频谱感知)面临着海量数据获取成本高、价值密度低、检测结果不准确、机会发现不充分等问题与挑战,基于机器学习的动态频谱高效感知成为电磁频谱领域重要的研究方向。首先分析了电磁频谱动态共享的国家战略需求和技术挑战,然后从动态频谱信息的联合稀疏采样、协同感知、多维协同预测三方面介绍了国内外研究现状和发展动态,提出了动态频谱高效感知的核心科学问题;最后给出了问题解决思路,为实现未来复杂无线网络频谱高效利用提供理论和使能技术支撑。
来源:2025年第4期
《电讯技术》期刊编辑部