?近年來5G通信的迅猛發展激發了越來越多的無線網絡業務,而頻譜作為無線網絡中最寶貴的資源,已經難以滿足目前及將來的無線業務需求.現有的固定頻譜分配方式使得頻譜利用率低且嚴重不均,5G通信將涉及不同的場景、不同的特征和不同的需求，這使得頻譜感知方法難以在保持良好性能的同時靈活地服務于各種應用。頻譜資源的稀缺性仍然是5G通信面臨的一個關鍵挑戰。

上海高研院智能信息通信技術研究與發展中心團隊針對5G通信的主流發展趨勢，并根據場景用戶特點與應用需求的耦合性，深入分析并歸類出5G生態體系中涉及頻譜感知應用的三大典型應用場景。基于不同場景下優化目標的差異性，研究團隊創造性地提出了一種具備彈性能力的頻譜感知系統架構，該架構由人工智能增強學習算法進行驅動，利用接收端多天線之間的獨立性與分集差異特性，尊重系統要求與實際環境參數，通過動態學習實現最優的感知策略。

研究結果發表在最新一期的IEEE無線通信雜志上，標題為《智能頻譜感知：5G通信中增強學習與自動重復感知的結合》。

研究團隊分析了幾個典型5G場景的不同需求，并根據頻譜感知技術的優化目標，將三個專用模型進行了分類。

為了適應各種優化目標，研究團隊設計了智能頻譜傳感技術的架構，試圖兼顧不穩定性和適應性問題。數值結果表明，所提出的傳感技術能夠適應不同優化目標下的各種場景。

研究結果具有一定的實際應用價值。它們已被應用于中科院和中科院與上海理工大學共建的校園網——阿爾法網共同開發的SEANET系統中。研究結果也有助于5G和下一代通信系統在中國的進一步部署和推廣。