XiaoMi-AI文件搜索系统
World File Search System频谱管理
征集论文北约科学技术... - icmcis
- 用于军事决策支持和自主系统的人工智能、- 大数据分析和可视化、- 机器人过程自动化、- 稀缺数据、- 量子计算和算法、- VR/AR/XR/远程存在/真实化身、- 数据中心架构/安全性、- 分布式弹性基础设施（战术云；边缘计算、异构 MANET；用于战术网络、认知无线电和认知网络的 SDN/NFE）、- NextG：5G 及更高版本的无线通信技术 - 军事物联网、- 反/对抗人工智能和网络人工智能、- 同态加密、- 量子安全密码、- 信任架构/数字信任、- ICT 供应链安全（设备和材料）、- EM 频谱管理和共享、- C4I 测试平台、信息基础设施的建模和仿真、- 技术设计/人机协作的道德、法律、社会和环境方面。
人工智能与无线频谱 - NITRD
快速高效的无线频谱政策制定、采用和管理对于保持美国在下一代无线技术部署方面的领导地位和确保国家安全至关重要。美国频谱政策和管理必须适应不断发展的 5G 技术、新型无线数据网络架构和安全威胁等趋势。频谱研究与开发 (R&D) 对于提高频谱使用效率和稳健性、动态管理频谱资源、优化网络设计和运营以及实现无线网络安全至关重要。人工智能 (AI) 技术可以为这些研发目标提供关键支持，包括使用 AI 协助更有效地运营和保护大型复杂网络、自动化动态频谱管理以及验证频谱访问。重要的研发还解决了 AI 实施挑战，例如影响研究的偏见、不确定性、可靠性以及数据保真度和可用性。
国际民航组织 GNSS 射频干扰缓解计划 - 联合国外空事务办公室
建议 6/8 — 规划缓解全球导航卫星系统的脆弱性 各国：a) 评估其空域内全球导航卫星系统脆弱性的可能性和影响，并在必要时采用公认和可用的缓解方法；b) 对全球导航卫星系统（GNSS）频率进行有效的频谱管理和保护，以减少无意干扰或降低 GNSS 性能的可能性；c) 向国际民航组织报告可能对国际民用航空运行产生影响的全球导航卫星系统有害干扰案件；d) 建立并执行强有力的监管框架，管理全球导航卫星系统中继器、伪卫星、欺骗器和干扰器的使用；e) 允许充分利用机载缓解技术，特别是惯性导航系统； f) 当确定需要地面辅助设备作为缓解策略的一部分时，优先保留测距设备（DME）以支持惯性导航系统（INS）/DME 或 DME/DME 区域导航，以及在选定跑道上保留仪表着陆系统。3
跨学科深空雷达需要研究
航空航天公司 (Aerospace) 团队感谢参与整个研究的组织所做的贡献，其中包括美国国家航空航天局 (NASA) 行星防御协调办公室 (PDCO)、美国国家科学基金会 (NSF) 天文科学部 (AST)、美国太空部队 (USSF)、空军研究实验室 (AFRL)、美国海军天文台 (USNO) 和海军研究实验室 (NRL)。我们还要感谢 NSF 电磁频谱管理 (ESM) 部门和 NSF 大气和地球空间科学部的项目官员讨论他们的知识和指导。团队感谢以下主题专家组织提供和展示他们的专业知识：约翰霍普金斯大学应用物理实验室 (JHU-APL)、喷气推进实验室 (JPL)、国家射电天文台 (NRAO) 和麻省理工学院林肯实验室 (MITLL)。我们还要感谢国家射电天文台的 Tony Beasley 博士提供历史成本估算，为研究的成本分析做出了贡献。
美国旅游：经济影响和大流行恢复
大多数无线技术和服务，包括移动通信，Radionavigation系统，雷达系统，卫星以及无线电和电视广播，都依靠一系列射频光谱来传输信号和数据。经修订的1934年《通信法》将国内频谱管理当局分配给联邦通信委员会（FCC）的非国家频谱用户（47 U.S.C.§303）和联邦用户的总统（47 U.S.C.§305（a））。2018年10月，特朗普总统发布了一份备忘录，指导商务部长通过国家电信和信息管理局（NTIA）制定“一项“长期国家光谱战略”，其中包括立法，监管或其他政策建议。” 2023年11月13日，拜登总统撤销了2018年的备忘录，并发布了一份新备忘录，指示行政部门“现代化频谱的使用现代化”，包括制定国家频谱战略（NSS）。它进一步指示通过NTIA与FCC合作并与其他联邦机构协调的商务部长在2024年3月12日之前发布NSS实施计划。
一种新型ML驱动的方法来增强CRN性能
摘要： - 本文探讨了CRN背景下频谱分配的RL和DRL技术，并考虑了在不断变化的条件下频谱利用和网络性能之类的困难。提议的改进的频谱管理模型将RL与基于模型的预测集成在一起，以改善决策。实验结果证明，已确定的方法允许达到96％的平均准确度水平，损失率为0.20，精度为92％至0.95。此外，召回率从0.85延长到0.90，F1分数为0.90，这表明该模型在精确和召回方面表现出令人满意的性能。所提出的算法的表现优于现有的机器学习模型，其精度为96％，低损失为0.20，而F1得分为0.90，展示了出色的可靠性和适应性。基于这些结果，可以得出结论，所提出的混合RL模型在预测下一个可用频谱方面更有效，并且比单个RL方法更适应于CRN环境的变化，因此，提出的解决方案适用于CRN中的实时频谱分配。
Deepwave Digital 为关键 5G 传感器打造支持 AI 的 GPU 接收器
通信系统通过在各个节点之间发送和接收无线电信号来发挥作用。这些无线电信号携带数据内容，例如视频、音频或互联网流量。随着物联网设备和支持 LTE/5G 的手机的最近激增，频谱拥塞会降低网络性能和可靠性。从历史上看，频谱的管理方式是强制每个通信系统在特定的预定义固定频率范围内运行。这种系统使频谱管理变得简单，但可能会导致大量频谱利用不足。例如，一组频率可能分配给很少使用频谱的一组用户，而另一组用户可能被困在比他们所需的带宽更少的带宽中。提前计划并确定此类用例的优先级通常很困难。一种更先进的方法是允许动态频谱分配以最大限度地提高利用率并确定使用优先级。这种方法通常称为频谱共享。虽然完全自主的频谱共享仍然是一个研究课题，但涉及 DARPA 频谱协作挑战赛 (SC2) 的演示已经显示出令人鼓舞的结果。
卫星通信人工智能：综述
摘要 — 卫星通信提供了在未覆盖和覆盖不足的区域提供服务连续性、服务无处不在和服务可扩展性的前景。然而，要实现这些好处，必须首先解决几个挑战，因为卫星网络的资源管理、网络控制、网络安全、频谱管理和能源使用比地面网络更具挑战性。同时，人工智能 (AI)，包括机器学习、深度学习和强化学习，作为一个研究领域一直在稳步发展，并在包括无线通信在内的各种应用中取得了成功的结果。特别是，人工智能在各种卫星通信方面的应用已经显示出巨大的潜力，包括波束跳跃、抗干扰、网络流量预测、信道建模、遥测挖掘、电离层闪烁检测、干扰管理、遥感、行为建模、天空地一体化和能源管理。因此，本文概述了人工智能、其各种子领域及其最新算法。然后讨论了卫星通信系统各个方面面临的若干挑战，并介绍了基于人工智能的拟议和潜在解决方案。最后，对该领域进行了展望，并提出了未来的步骤。
Deepwave Digital 创建了一款支持 AI 的 GPU 接收器...
通信系统通过在各个节点之间发送和接收无线电信号来发挥作用。这些无线电信号携带数据内容，例如视频、音频或互联网流量。随着物联网设备和支持 LTE/5G 的手机的最近激增，频谱拥塞会降低网络性能和可靠性。从历史上看，频谱的管理方式是强制每个通信系统在特定的预定义固定频率范围内运行。该系统允许频谱管理变得简单，但可能会导致大量未充分利用的频谱。例如，一组频率可能分配给很少使用频谱的一组用户，而另一组用户可能被困在比他们所需的带宽更少的带宽中。提前计划并优先考虑此类用例通常很困难。更先进的方法是允许动态频谱分配以最大限度地提高利用率并优先使用。这种方法通常称为频谱共享。虽然完全自主的频谱共享仍然是一个研究课题，但涉及 DARPA 频谱协作挑战赛 (SC2) 的演示已经显示出令人鼓舞的结果。
联邦通信委员会 FCC 23-27
1 本政策声明旨在帮助指导委员会在 RF 环境不断发展变化过程中的决策和利益相关者的行动，并不构成规则。因此，本政策声明对委员会或其他各方不具有约束力，也不会阻止委员会就其注意到的任何需要解决的问题做出不同的决定。本政策声明无意预先判断任何特定程序中关于接收器性能的考虑，包括所涉及的特定服务的性质、接收器在其预期用途上有效性能的要求，以及如何解决传统接收器或用更具抗干扰能力的接收器替换传统接收器所涉及的成本。此外，本政策声明涉及委员会对非联邦频谱的管理；它不涉及与联邦频谱有关的问题。本政策声明主要为频谱接近的服务的频谱管理考虑提供指导。虽然本政策声明没有直接解决共同问题，但本政策声明旨在指导委员会在频谱接近服务方面做出不同的决定。