近日，电子信息与电气工程学部大四本科生孙弘毅、董一峰、张雨浩在信通学院李轩衡副教授的指导下，在IEEE Transactions on Vehicular Technology (IEEE TVT)上发表题为“A Cost-Efficient Skipping Based Spectrum Sensing Scheme via Reinforcement Learning”论文（已录用，在线发表状态）。IEEE TVT是通信领域TOP期刊，JCR一区，影响因子5.978。
本研究通过对校园内频谱环境的探测和分析，发现了频谱空闲状态的连续性特征和变化规律，并依此提出了基于深度强化学习的跳跃式新型频谱感知方法。相比传统的周期式频谱感知方法，该方法能够大幅度降低设备的感知开销，使其以更低的能耗和时延动态接入空闲频段，高效率完成数据传输。同时，该方法采用了人工智能强化学习算法，令设备能够学习频谱环境的动态变化并自适应做出最优感知策略。通过实验表明，该方法能够降低45%感知开销，频谱接入冲突率可控制在6%以下。
图.传统周期式频谱感知与所提跳跃式频谱感知
该成果属于6G智能动态频谱接入研究方向，依托国家级大创项目“基于深度强化学习的认知数据传输策略研究”和国家自然科学基金项目资助，其总体研究内容和研究思路为李轩衡副教授提出，三名本科生协作历时一年半完成。
