标准技术研究院(NIST)的研究人员已经开发出一种数学公式，计算机仿真表明，该公式可以帮助5G和其他无线网络选择和共享通信频率，其效率比试错法高大约5,000倍。

新颖的公式是机器学习的一种形式，它根据特定网络环境中的先前经验来选择一个无线频率范围，称为信道。在本周的一次会议上进行了描述，该公式可以在许多类型的实际网络中的发射机上编程成软件。

NIST公式是通过共享未经许可的频率范围(也称为频段)来帮助满足对无线系统(包括5G)不断增长的需求的一种方式。例如，Wi-Fi使用未经许可的频段，即联邦通信委员会未分配给特定用户的频段。NIST的研究重点是Wi-Fi与蜂窝系统争夺特定频率或子信道的场景。使这种情况具有挑战性的是，这些蜂窝系统正在通过使用称为许可辅助访问(LAA)的方法来提高其数据传输速率，该方法结合了非许可频段和许可频段。

NIST工程师Jason Coder说：“这项工作探索了机器学习在决定传输哪个频率信道上的用途。”“这有可能使无执照频段的通信效率大大提高。”

NIST公式使发射机能够快速选择最佳子信道，以在未许可频段内成功且同时运行Wi-Fi和LAA网络。每个发送器都学会了在不相互通信的情况下最大化总网络数据速率。该方案可快速获得接近于基于详尽的试错通道搜索的结果的总体性能。

NIST的研究与以前的通信机器学习研究不同，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访问规则。

该公式是一种“ Q学习”技术，这意味着它将环境条件(例如网络的类型以及存在的发射机和信道的数量)映射到最大化值(称为Q)的操作上，该操作可以返回最佳回报。通过与环境交互并尝试不同的动作，该算法可以了解哪个渠道提供了最佳结果。每个发射器都学会选择在特定环境条件下产生最佳数据速率的信道。

如果两个网络都适当地选择信道，则组合的整个网络环境的效率将提高。该方法通过两种方式提高数据速率。具体地，如果发射机选择未占用的信道，则成功传输的可能性增加，从而导致更高的数据速率。而且，如果发射器选择的信道使干扰最小化，则信号更强，从而导致更高的接收数据速率。

在计算机仿真中，最佳分配方法通过搜索所有可能的组合以找到使总网络数据速率最大化的方法，将信道分配给发射机。NIST公式产生的结果接近最佳值，但过程要简单得多。该研究发现，要想找出最佳解决方案，需要进行详尽的工作，大约需要进行45,600次试验，而公式可以通过尝试10个渠道来选择类似的解决方案，仅占努力的0.02%。

这项研究针对的是室内场景，例如带有多个Wi-Fi接入点的建筑物以及在无执照频段内进行手机操作。现在，研究人员计划在更大规模的室外场景中对该方法进行建模，并进行物理实验以证明其效果。