面向5G频谱共享的群智频谱数据统计学习方法研究

5G spectrum sharing is one of the international research fronts in the filed of wireless communications, which has gained increasing interest of academia, industry, standard associations, and governmental spectrum regulators, and has been recognized as one of the most direct and efficient methods to resolve the issue of ever-increasing serious spectrum deficit/shortage in future 5G systems. This proposal begins with discussing the potential new features of 5G spectrum sharing, including diversity in sharing patterns, heterogeneity in sharing bands, intelligence in sharing devices, and hyper-densification in sharing networks. Then, new problems and new challenges are highlighted, such as unreliable spectrum data sources, inaccurate detection outputs, incomplete historical data, out-dated information update, insufficient sharing opportunity discovery, etc. Furthermore, this proposal proposes to perform the research on basic theories and key technologies from a interdisciplinary perspective of wireless communications, statistical signal processing and machine leering. Notably, this proposal depicts a systematic research map from the following three aspects: (reactive) crowd robust spectrum sensing, (proactive) crowd cooperative spectrum prediction/inference and (compositive) crowd real-time spectrum database. The dominating objective of this proposal is to build a theoretical and methodological system of statistical learning of crowd spectrum data for 5G spectrum sharing, which can be employed to significantly improve the 5G spectrum utilization. Meanwhile, this proposal aims to output a number of international-recognized research results, including papers of high-quality, patents and standard proposals of international high-impact.

5G频谱共享是当前无线通信领域国际研究前沿，引起学术界、工业界、标准化组织、政府频谱管理部门等多方力量的密切关注，被认为是解决5G系统中“频谱赤字日益严峻”这一问题直接有效的手段之一。本项目从5G频谱共享所呈现的新特征（即共享方式的多样化、共享频段的异构化、共享设备的智能化、共享网络的超密集化）出发，针对群智频谱数据分析面临的数据来源不可靠、检测结果不准确、历史数据不完整、信息更新不及时、机会发现不充分等新问题与新挑战，从无线通信、统计信号处理和机器学习等多学科交叉融合的角度展开基础理论与关键技术攻关，从（被动的）群智稳健频谱感知、（主动的）群智协同频谱推理和（集成的）群智实时频谱数据库三个方面展开系统研究，旨在构建面向5G频谱共享的群智频谱数据统计学习的理论与方法体系，为实现5G频谱高效利用提供理论支撑与技术支持，同时取得一批高质量研究成果，形成若干有影响力的发明专利和国际标准化提案。

5G频谱共享被认为是解决5G系统中“频谱赤字日益严峻”这一问题直接有效的手段之一。在国家自然科学基金青年项目“面向5G频谱共享的群智频谱数据统计学习方法研究（编号：61501510）”资助下，项目组从5G频谱共享所呈现的共享方式的多样化、共享频段的异构化等新特征出发，针对群智频谱数据分析面临的新问题与新挑战展开基础理论与关键技术攻关，取得了如下主要成果：. 针对数据来源不可靠下的群智频谱感知问题，建立了群智数据统一模型，提出了稳健的虚假数据剔除方法与基于贝叶斯在线学习的防御方案，进一步地，分析了硬件损伤对大规模MIMO分布式感知的影响，提出了基于ADMM的稳健群智感知算法。. 针对历史数据不完整下的群智协同频谱推理问题，提出了基于矩阵补全的建链信道选择算法与鲁棒的时空二维在线预测算法，并建立了基于长短期记忆网络的深度学习预测模型。. 针对信息更新不及时下群智实时频谱数据库构建问题，提出了基于认知物联网的群智监测系统框架，设计了基于局部空间谱搜索的超分辨率波达方向更新方法与稳健的位置更新算法，并基于此，给出了空地网络中频谱共享决策算法。. 本项目实施过程中，在国内外期刊和国际国内会议上发表36篇论文，其中IEEE期刊论文28篇，中科院SCI一区4篇，二区23篇，2篇论文荣获会议最佳论文奖；申请发明专利15项，其中已获授权6项。项目执行期间，项目负责人获得“第八届吴文俊人工智能优秀青年奖”，入选中国科协“青年人才托举工程”和德国“洪堡学者”，并获得江苏省科学技术二等奖；组织主办了8次相关学术讲座，受邀在国内高校或国际会议上做报告12次；培养了博士研究生10名（已毕业6名），硕士研究生12名（已毕业9名），其中2名研究生的学位论文被评为全军和江苏省优秀硕士学位论文，指导研究生参加全国、省部级竞赛并获奖10余人次。