📘 《AI 時代系列（6）：進階通訊工程——邁向2035年太空星鏈網路時代》
📘 第 9周: 🤖 AI-native Network：RAN × Core × NTN 的智慧大腦
未來 6G 的核心章節
85／150單元： AI Spectrum Sensing 🌈
智慧頻譜偵測（AI-driven Spectrum Sensing）
________________________________________
🎯 單元導讀
無線世界最大的不確定性就是——
⭐ 這個頻譜上現在到底有誰在講話？
在 5G / 6G 的動態頻譜共享（DSS）、共存系統、LEO × 地面共頻、WiFi / LTE
unlicensed、以及軍用通訊中，都需要：
👉 自動偵測頻譜中是否有人傳輸、使用什麼調變、佔用多少頻寬、功率多強、是否為敵我通信訊號。
傳統方法太慢、太不可靠。
AI 誕生後，頻譜感知變成：
⭐ 基地台像「聽覺神經網路」一樣聽整個世界。
________________________________________
🧠 一、什麼是 Spectrum Sensing？
簡單一句：
📌 從接收訊號中判斷「某頻段是否正在被使用」。
要分析的訊號可能是：
• LTE / NR
• WiFi / Bluetooth
• 雷達波形
• 衛星訊號
• 未知/對抗性調變（military waveform）
Spectrum sensing 可回答：
✓ 是否有人在用？
✓ 調變類型？（AMC）
✓ 佔用頻寬？
✓ 時間佔用率（duty cycle）？
✓ 功率譜密度 PSD？
✓ 干擾源位置？
6G 需要：
⭐ Real-time
⭐ Wideband
⭐ Low SNR
⭐ Multi-standard
⭐ Multi-domain sensing
⭐ NTN / 衛星共存
傳統方法完全跟不上。
________________________________________
🧠 二、傳統頻譜偵測（Ed / CFAR / Matched Filter）
________________________________________
❌（1）Energy Detection（能量偵測）
優點：簡單
缺點：噪聲不確定 → 門檻不準 → 在低 SNR 完全失效
________________________________________
❌（2）Cyclostationary Detection（循環統計）
可偵測調變中的週期性
缺點：計算量超大、對 fading 不友好
________________________________________
❌（3）Matched Filter（匹配濾波）
需要先知道對方 waveform
缺點：對未知訊號無效
________________________________________
📌 結論：
6G / NTN 需要更強 → 只有 AI 撐得起來。
________________________________________
⭐ 三、AI-driven Spectrum Sensing：下一代頻譜智慧
AI 可以直接吃：
• IQ
• STFT
• spectrum
• waterfall（頻譜時間序列）
• PSD
• waveform snippets
AI 可以判斷：
✓ 是否存在訊號
✓ 訊號種類
✓ 調變方式
✓ 干擾源
✓ 頻段是否可用
✓ 甚至預測「下一秒誰會使用」
這是 6G「AI-native RAN」的核心：
⭐ RAN 自己知道哪些頻譜被佔、何時空、何時可用。
________________________________________
🧠 四、AI Spectrum Sensing 用到哪些模型？
________________________________________
⭐（1）CNN：吃 spectrogram / STFT
像看圖片一樣判斷：
• energy pattern
• OFDM pattern
• WiFi preamble
• radar sweep
________________________________________
⭐（2）RNN / LSTM：吃頻譜時間序列
學到：
• burst traffic
• duty cycle
• radar pulse train
• intermittent IoT signals
________________________________________
⭐（3）Transformer：頻譜版 Attention
最強的一種（6G 標配）
✔ 看長序列
✔ 同時理解時間 + 頻率
✔ 找干擾源 pattern
✔ 判斷多標準訊號（NR+WiFi+Radar）
✔ NTN 寬頻 sensing
________________________________________
⭐（4）GNN（Graph Neural Network）
在 O-RAN 變成主流：
頻譜 → 多個 cell → interference graph
用 GNN 補捉：
• 小區間干擾
• 鄰區 Spectrum reuse pattern
• Cross-cell interference
________________________________________
🛰 五、AI Spectrum Sensing × NTN（星鏈、LEO、GEO）
________________________________________
NTN 的特性：
• Doppler 非常大
• SNR 波動
• 航跡改變造成頻譜快速閃爍
• 地面與衛星頻段共存
• 突發式回傳（burst traffic）
• 雷達 / 衛星影像同步運作
AI優勢：
✔ 能辨識弱訊號
✔ 能在 Doppler shift 下辨識 occupancy
✔ 能區分「衛星頻譜」與「地面傳輸」
✔ 能預測衛星覆蓋 → 何時佔用頻譜
✔ 能辨識 LPI（Low Probability of Intercept）波形
未來 6G NTN 全都會用到。
________________________________________
📐 六、數學本質：偵測問題（Hypothesis Testing）
Spectrum sensing 的核心其實是：
H₀：頻譜空（noise only）
H₁：頻譜有人（signal + noise）
AI 的目標是：
⭐ 直接學 P(H₁ | y)
⭐ 讓模型自動找特徵，不用門檻
因此 AI 能自動解決：
• unknown noise variance
• fading distortion
• CFO, STO
• multi-standard waveform
這是經典偵測做不到的。
________________________________________
📈 七、ASCII 圖：AI 頻譜偵測流程
Wideband IQ
│
▼
┌──────────────┐
│ AI Spectrum │
│ Sensing │
└───────┬──────┘
▼
Occupancy / Signal Type
(空的 / 有人 / 調變 / 干擾)
________________________________________
🧩 八、模擬題
________________________________________
1️⃣ 專業題
為什麼 Energy Detection 在低 SNR 下失效？
📦 答：
因為噪聲方差未知且波動，使門檻無法準確設定，AI 則能自動學習 noise distribution。
________________________________________
2️⃣ 應用題
在多種標準（NR + WiFi + Radar）共存環境，最適合的模型架構是：
A. CNN
B. LSTM
C. Transformer ✔
D. SVM
👉 多標準共存訊號具有跨頻段、跨時間與跨協定的長距依賴關係，Transformer 的注意力機制能同時建模多源特徵，最適合此類複雜場景。
________________________________________
3️⃣ 情境題
在 NTN LEO 頻譜偵測中，哪個現象最影響傳統方法？
A. UE 不動
B. Doppler shift ✔
C. QPSK 太簡單
D. 天線方向固定
👉 LEO 衛星高速移動造成嚴重 Doppler shift，使頻譜位置快速漂移，傳統以固定頻率假設的偵測方法容易失效。
________________________________________
🛠 九、實務演練題
1️⃣ 使用 STFT + CNN 做二元偵測（occupied vs empty）
2️⃣ 對 WiFi vs NR 做多類別頻譜分類
3️⃣ 在不同 SNR 下觀察 Energy Detection vs AI 的準確度差異
4️⃣ 訓練 Transformer 偵測「突發式干擾」
5️⃣ LEO 頻譜資料：加入 Doppler 讓模型學習衛星 signature
________________________________________
✅ 十、小結：AI 是 6G 頻譜的「聽覺中樞」
✔ 能自動辨識頻譜是否被佔用
✔ 能區分不同通訊標準
✔ 抗雜訊、抗 Doppler、抗頻偏
✔ 6G O-RAN RIC 的核心能力
✔ NTN × 地面共頻的必要技術
✔ Cognitive Radio（CR）完全依賴它
一句話：
⭐ AI Spectrum Sensing 讓基地台「聽懂」整個頻譜，
是 6G RAN 的耳朵，是頻譜智慧化的基礎。
