跳动城乡网佛罗里达大西洋互联自主和人工智能中心 (CA-AI.fau.edu) 的研究人员已经“了机器之间以及与人之间对话时干扰的密码”。
电磁波使连接成为可能，但也会产生大量不必要的噪音。这种通信的噪音副产品被称为“电磁干扰”，在当今密集的物联网和人工智能机器人环境中带来了巨大的挑战。随着对闪电般快速数据速率的需求达到前所未有的水平，消除这种干扰的需求比以往任何时候都更加迫切。
凭借突破性的算法解决方案，佛罗里达大西洋大学工程与计算机科学学院互联自主与人工智能中心以及佛罗里达大西洋大学传感与嵌入式网络系统工程研究所(I-SENSE)的研究人员找到了一种方法来实现这一目标。
他们的方法是首创的，可以动态微调多输入多输出 (MIMO) 链路，这是 Wi-Fi 和蜂窝网络等现代系统的基石。
研究人员的方法发表在《IEEE 通信领域精选期刊》的特刊上，并被《自然评论》列为研究亮点，展示了他们的算法如何塑造波形以导航拥挤的频带。通过同时优化空间和时间传输，该算法可以为纯净的通信信道铺平道路。
在现场演示中，研究人员动态优化了给定频段内的 MIMO 波形形状，以管理和避免机器对机器通信中的干扰，并在干扰是一个常见问题的实际场景中展示了该方法的有效性。
“我们率先在概念和实践上奠定了基础，让机器配备多个天线，即使在极具挑战性的干扰和扰动下，也能自主确定时间和空间域中最有效的波形形状，以便在指定频带内进行通信，”电气工程和计算机科学系高级作者、教授、CA-AI 主任和 I-SENSE 研究员 Dimitris Pados 博士说道。
“通过跨空间和时间协同应用动态波形机器学习，我们相信我们已经&luo;了&ruo;减轻电磁干扰的密码。”
研究人员首先进行了广泛的模拟，以验证该方法在从近场到远场以及在轻度和密集干扰场景中对一系列干扰场景的有效性。这些模拟突出了优化波形(特别是联合时空优化)在极端混合干扰环境中保持“干净”通信的能力。
佛罗里达大西洋大学工程与计算机科学学院院长、博士斯特拉·巴塔拉马 (Stella Batalama) 表示：“在自主系统和机器对机器通信领域，安全、可靠和&luo;清洁&ruo;的通信至关重要，这凸显了佛罗里达大西洋大学这项突破性研究的重要性。”
“在现代通信混乱的情况下，这项创新研究为解决存在大量设备和多个网络的机器对机器通信中的干扰挑战提供了一条非常有前景的途径。”
