美國國家標準與技術研究院(NIST)的研究人員開發了一種建模技術，可以在估算如何組態無線通訊系統以共享相同傳輸頻率時，節省大量的時間和金錢。此NIST模型能把為了找出可靠組態所需的量測次數減少約33%。
該模型是NIST使用統計學開發新工具的結果，這些工具可以應對讓無線系統共享有限頻譜的複雜挑戰。新模型是為雙向共存測試而開發的，該測試須在各種傳輸場景下評估兩個無線系統，以找到兩個系統都能滿足重要性能門檻的組態。
「我們正在導入一種設計通信實驗的新方法，」論文共同作者兼小組負責人Jason Coder說，「這種新方法具有適應性，亦即它會把設備上先前的量測結果資訊提供給下一組量測。依現有的方法，或許得測試一百種不同組態才能確認一台裝置的性能。但使用這種新的適應性方法，就可能以更少的測量獲得相同的結果。」
NIST研究人員研究了Wi-Fi和在相同頻段運行的藍牙系統之間的共存。研究者在不同的藍牙傳輸功率下測量了兩個任意選擇的性能標準，如藍牙封包錯誤率低於3%，以及Wi-Fi資料傳輸速率高於43Mbps。評估共存性的傳統方法是對實質上所有可能的組態都進行採樣並監控兩個系統的最終性能，但除了在最簡單情況下，這對幾乎所有情況來說都是一項艱鉅的任務。
相比之下，新的NIST方法則採取一系列連續的實驗，其傳輸組態是基於先前已收集的一小組同頻共存數據來進行選擇。研究人員運用機器學習，基於一小組測量值來推算未知數學函數的輸出，並做出關於函數變化速度的假設。
研究人員測量了許多傳輸功率的性能，包括依模型顯示共存可能性很低的組合。隨著更多的測量和模型的改進，實驗設計幾乎完全集中在可獲致共存的傳輸組態上，因而減少了確定成功所需的測量次數。
研究者使用之前實驗室的實際數據對實驗進行了50次模擬，平均需要8次的測量以便識別出95%以上可成功實現頻譜共享的組態配置。傳統常規測試則平均需要12次測量以便檢驗所有的組態，相較之下新方法減少了33%。
「對產業群體的好處是，這也許能夠大幅減少業者花在特徵化其設備所需的時間，例如當他們試圖通過監理批准程序時，」Coder說，「在某些情況下，此方法能使他們透過較少的測量來證明合規性和性能。這可以節省時間和金錢，並減少新產品進入市場的障礙。從研究方面來看，它應該是一個很棒的新工具，使我們能夠更快、更有效地特徵化描述和理解複雜系統。」
新模型預計最多可同時運行10台受測裝置。NIST研究人員正在研究使用機器學習和人工智慧的其他新技術，以便擴展用於解決更大規模的需求。