这项新公式是一种机器学习技术，它基于特定网络环境中的过往经验，选择无线频率范围（称为信道）。该公式在本周的线上会议（外部链接）上进行了介绍，它可以被编程到多种实际网络发射器的软件中。NIST
的这项公式旨在通过共享免许可频率范围（也称为频段）来满足日益增长的无线系统（包括 5G）需求。例如，Wi-Fi 使用的是免许可频段——即联邦通信委员会未分配给特定用户的频段。NIST 的研究重点关注 Wi-Fi 与蜂窝系统竞争特定频率（或子信道）的场景。该场景的挑战在于，蜂窝系统正在使用一种称为许可辅助接入 (LAA) 的方法来提高数据传输速率，该方法结合了免许可频段和许可频段。

“这项研究探索了如何利用机器学习来决定使用哪个频率信道进行传输，”美国国家标准与技术研究院（NIST）工程师杰森·科德说。“这可以大大提高免许可频段的通信效率。”.

NIST公式使发射机能够快速选择最佳子信道，从而在免许可频段上成功且同时运行Wi-Fi和LAA网络。每个发射机都能学习如何最大化整体网络数据速率，而无需彼此通信。该方案能够快速实现接近于通过穷举式试错信道搜索所获得的性能。.

NIST 的研究与以往通信领域的机器学习研究不同，它考虑了多个网络“层”、物理设备以及基站和接收器之间的信道接入规则。.

该公式是一种“Q学习”技术，它将环境条件（例如网络类型、发射器数量和信道数量）映射到能够最大化某个值（称为Q）的行动，从而获得最佳回报。通过与环境交互并测试不同的行动，该算法可以学习哪个信道能够提供最佳结果。每个发射器都会学习在特定环境条件下选择能够产生最佳数据速率的信道。.

如果两个网络都能合理选择信道，则合并后的网络环境效率会得到提升。这种方法通过两种方式提高数据速率。具体来说，如果发射机选择一个空闲信道，则传输成功的概率会增加，从而提高数据速率。此外，如果发射机选择一个干扰最小的信道，则信号会更强，从而提高接收数据速率。.

在计算机模拟中，最优分配方法通过搜索所有可能的组合，为发射器分配信道，以找到最大化网络整体数据吞吐量的方法。NIST 公式能够以更简单的过程产生接近最优的结果。研究发现，穷举法需要大约 45,600 次试验才能找到最佳解决方案，而该公式只需测试 10 个信道即可选择类似的解决方案——仅需前者的 0.02%。
该研究针对室内场景，例如具有多个 Wi-Fi 接入点的建筑物以及在免许可频段上运行的手机。研究人员现在计划在大规模室外场景中对该方法进行建模，并开展物理实验来验证其效果。

文档：S. Mosleh、Y. Ma、JD Rezac 和 JB Coder。《面向 5G 及未来网络的基于学习增强的动态频谱接入免许可接入》。第 91 届 IEEE 车辆技术大会线上虚拟演讲（外部链接），2020 年 5 月 25-28 日。