ニューラル ネットワークはレーダー信号の検出に驚くほど優れていることが証明されており、米国海軍と民間のモバイル ネットワークが重複する無線周波数帯域をより効率的に共有するのに役立つ可能性があります。
3.5GHz帯は、市民ブロードバンド無線サービス（CBRS）としても知られ、3550MHzから3700MHzの範囲で利用されます。2015年、アメリカの通信規制当局であるFCCは、自由の国アメリカ（FCC）の企業に対し、無線高速インターネットアクセスのためにCBRSチャネルへのアクセスを許可しました。
AT&TやVerizonなどの通信事業者は、沿岸部付近で3.5GHz帯の一部を使用することが許可されていますが、海軍がその時点でその周波数をレーダーに使用していない場合に限ります。そうでなければ、携帯電話のブロードバンド通信とレーダー探知機が干渉してしまいます。船舶がその周波数帯を必要とする場合、近隣の商用アクセスはすべて未使用の周波数帯に再配置する必要があります。ネットワーク事業者は、エネルギー検出器を用いて沖合でレーダー信号が使用されているかどうかを検知し、使用されている場合は送信場所を変更します。
しかし、米国国立技術標準研究所（NIST）で無線通信システムを研究しているマイケル・スーリヤル氏によると、このアプローチは特に効果的ではないという。
トランプ大統領、米国にAIへの取り組み強化を命令
続きを読む
「これらのエネルギー検出器は、常に正しく反応できるほど識別力が強くなく、他の無線周波数信号をレーダーと混同したり、レーダーの信号を完全に見逃したりすることがある」と同氏は木曜日に述べた。
そこで、NIST の研究チームは、ニューラル ネットワークがレーダー信号をより適切に検出し、それに基づいて行動できるかどうかを調査することにしました。
研究チームは13種類の異なる機械学習アルゴリズムを分析し、小規模な3層畳み込みニューラルネットワーク（CNN）が最も優れた性能を発揮することを発見した。まず、レーダーの測定値を表す3,982個のスペクトログラムを用いてモデルを学習させ、その後509個のスペクトログラムを用いてテストを行い、AIソフトウェアが正確に識別できるかどうかを検証した。
IEEE Transactions on Cognitive Communications and Networking誌に掲載された結果によると、CNNのスコアは0.997、従来のエネルギー検出器のスコアは0.884でした。完璧な分類器のスコアは1.000です。
そのため、ディープラーニング アルゴリズムは、レーダー信号の探知において従来のエネルギー検出器よりも優れた性能を発揮しました。
「ニューラルネットワークはサンプルのターゲット信号で学習しましたが、エネルギー検出器は学習しませんでした」と、ソウリヤル氏はThe Register紙に説明した。「その結果、エネルギー検出器はターゲット信号を干渉波やノイズから区別することができません。むしろ、ターゲット信号がノイズを『凌駕』するほど強力であることに依存しているのです。」
これらの畳み込みニューラルネットワークは、背景ノイズや干渉ノイズのレベルを評価するだけでなく、帯域の占有率を計算するためにも使用できます。「CBRS帯域のレーダー探知機は、FCCが環境検知能力（ESC）事業者と呼ぶ民間事業者によって所有・運用されます」とソウリヤル氏は述べています。
モバイル通信事業者がこれらの AI システムを導入して、沿岸付近のモバイル ブロードバンドのオン/オフを自動的に切り替えられるようになるまでには、さらなる研究とテストが必要です。®
