कल्पना कीजिए कि हमारे चारों ओर की हवा सूचनाओं की अदृश्य नदियों से भरी हुई है, जो आपके पसंदीदा गीतों से लेकर आपातकालीन अलर्ट तक सब कुछ ले जा रही है। लंबे समय तक, हमने इन "नदियों" के साथ ऐसा व्यवहार किया जैसे वे निजी सड़कें हों, विशिष्ट समूहों को विशिष्ट लेन आवंटित की गई थीं। लेकिन हाल ही में, वैज्ञानिकों और नियामकों को एहसास हुआ कि हम अधिक स्मार्ट हो सकते हैं: क्या होगा यदि हम विभिन्न समूहों को एक ही सड़क साझा करने दें, बशर्ते उन्हें पता हो कि कब किनारे पर कैसे हटना है? यह स्पेक्ट्रम शेयरिंग (spectrum sharing) की दुनिया है। इस भीड़भाड़ वाले राजमार्ग में, दो मुख्य प्रकार के चालक हैं: वाणिज्यिक ट्रक (जैसे आपके 5G फोन और वाई-फाई) और भारी, महत्वपूर्ण आपातकालीन वाहन (जैसे सैन्य रडार सिस्टम)। नियम सरल है: आपातकालीन वाहनों का अधिकार हमेशा प्राथमिकता का होगा। यदि एक रडार जहाज समुद्र को स्कैन कर रहा है, तो वाणिज्यिक यातायात को दुर्घटना से बचने के लिए तुरंत लेन खाली करनी होगी। चुनौती क्या है? वाणिज्यिक ट्रक उन रडार जहाजों को नहीं देख सकते; वे अदृश्य हैं। इसलिए, हमें एक सुपर-फास्ट, सुपर-स्मार्ट ट्रैफिक पुलिस की आवश्यकता है जो इन अदृश्य जहाजों को मीलों दूर से पहचान सके और टक्कर होने से पहले चिल्ला सके, "हटो!" यह सिटिजन्स ब्रॉडबैंड रेडियो सर्विस (CBRS) की कहानी है, जो एक विशेष क्षेत्र है जहाँ यह उच्च-दांव वाला साझाकरण होता है, और यह शोध पत्र जिसे आप पढ़ने जा रहे हैं, उस ट्रैफिक पुलिस को बनाने के लिए एक अंतिम मार्गदर्शिका है।

यह शोध पत्र, जिसका शीर्षक "रडार डिटेक्शन इन द CBRS बैंड: टेक्निक्स, चैलेंजेस, एंड फ्यूचर डायरेक्शंस" है, उन सभी विभिन्न तरीकों की एक विशाल समीक्षा है जिनसे हम उन अदृश्य रडार जहाजों को पहचानने की कोशिश करते हैं। लेखक, मदन बादुवाल और प्रियंका पौडेल, केवल पुराने तरीकों की सूची नहीं बनाते हैं; वे "पुराने स्कूल" के तरीकों की तुलना चमकते नए "AI" तरीकों से करते हैं ताकि यह देखा जा सके कि वास्तव में शोर-शराबे वाली वास्तविक दुनिया में कौन सा सबसे अच्छा काम करता है। वे देखते हैं कि हम वर्तमान में रडार संकेतों को कैसे सुनते हैं, हम इन सुनने वाले सिस्टम का परीक्षण कैसे करते हैं, और जब चीजें गलत हो जाती हैं तो क्या होता है। बड़ी सीख क्या है? जबकि पुराने तरीके विश्वसनीय, सरल टॉर्च की तरह हैं जो एक शांत कमरे में बहुत अच्छा काम करते हैं, नए AI तरीके सुपर-पावर्ड नाइट-विज़न गॉगल्स की तरह हैं जो कोहरे और शोर के माध्यम से देख सकते हैं, लेकिन वे डेटा और शक्ति के भूखे हैं। पत्र सुझाव देता है कि भविष्य एक या दूसरे को चुनने के बारे में नहीं है, बल्कि उन्हें एक हाइब्रिड टीम में मिलाने के बारे में है जो तेज़ भी हो और अविश्वसनीय रूप से स्मार्ट भी।

अदृश्य ट्रैफिक पुलिस

आइए समस्या के केंद्र में चलें। CBRS बैंड रेडियो तरंगों (लगभग 3.5 GHz) का एक विस्तार है जिसे सरकार ने साझा करने का निर्णय लिया है। एक तरफ, आपके पास इंकम्बेंट्स (Incumbents) हैं—अमेरिकी नौसेना और उनके रडार सिस्टम। ये स्पेक्ट्रम के "बड़े बॉस" हैं। वे एक लाइटहाउस कीपर की तरह हैं जिन्हें तूफान में भी जहाजों को देखने में सक्षम होना ही चाहिए। यदि कोई वाणिज्यिक सिग्नल बीच में आता है, तो यह रडार को अंधा कर सकता है, जो एक बड़ा सुरक्षा जोखिम है। दूसरी ओर, आपके पास कमर्शियल यूजर्स (जैसे निजी LTE और 5G नेटवर्क) हैं जो उस समान स्थान का उपयोग डेटा भेजने के लिए करना चाहते हैं।

इसे काम करने के लिए, सरकार ने एनवायरनमेंटल सेंसिंग कैपेबिलिटी (ESC) नामक एक प्रणाली बनाई। ESC को तट रेखाओं के साथ रखे गए सुपर-संवेदनशील कानों के एक नेटवर्क के रूप में सोचें। ये कान लगातार रडार सिग्नल की विशिष्ट "सीटी" को सुनने के लिए सक्रिय रहते हैं। जब एक कान रडार की आवाज सुनता है, तो वह तुरंत एक केंद्रीय प्रबंधक को बताता है जिसे स्पेक्ट्रम एक्सेस सिस्टम (SAS) कहा जाता है। SAS फिर एक ट्रैफिक कंट्रोलर की तरह कार्य करता है, जो सभी आस-पास के वाणिज्यिक उपकरणों को एक क्षण के लिए "बात करना बंद करने" या "लेन बदलने" के लिए कहता है। नियम सख्त हैं: सिस्टम को रडार को 99% बार सुनना चाहिए, भले ही सिग्नल अविश्वसनीय रूप से कमजोर हो (-89 dBm/MHz जितना कम), और इसे 60 सेकंड के भीतर करना चाहिए।

जासूसों का टूलकिट: पुराना बनाम नया

यह पत्र उन विभिन्न "जासूसी उपकरणों" की समीक्षा करता है जिन्हें वैज्ञानिकों ने इन रडार सीटी को सुनने के लिए बनाया है।

पुराने स्कूल के जासूस (क्लासिकल मेथड्स)
सबसे पहले, पारंपरिक सिग्नल प्रोसेसिंग विधियाँ हैं। ये उन जासूसों की तरह हैं जो एक विशिष्ट नियम पुस्तिका पर भरोसा करते हैं।

• एनर्जी डिटेक्शन (Energy Detection): यह सबसे सरल तरीका है। यह किसी भी तेज़ शोर को सुनने जैसा है। यदि वॉल्यूम बढ़ता है, तो यह मान लेता है कि रडार वहां है। यह तेज़ और आसान है, लेकिन आसानी से धोखा खा जाता है। यदि पास का कोई वाई-फाई राउटर या 5G टावर तेज़ हो जाता है, तो यह बिना रडार के भी "रडार!" चिल्ला सकता है। यह बैकग्राउंड शोर के प्रति बहुत संवेदनशील है।
• मैच्ड फिल्टरिंग (Matched Filtering): इस जासूस के पास रडार के "चेहरे" (इसके सटीक सिग्नल पैटर्न) की एक फोटो है। यह जो कुछ भी सुनता है उसकी तुलना उस फोटो से करता है। यदि यह एक सटीक मिलान है, तो यह एक रडार है! यह बहुत सटीक है, लेकिन यह तभी काम करता है जब रडार बिल्कुल उस फोटो जैसा दिखता हो। यदि रडार अपने पैटर्न को थोड़ा भी बदल देता है, तो यह जासूस भ्रमित हो जाता है।
• साइक्लोस्टेशनरी डिटेक्शन (Cyclostationary Detection): यह दोहराए जाने वाले पैटर्न को देखता है, जैसे कि दिल की धड़कन। रडार सिग्नल अक्सर एक नियमित लय में पल्स करते हैं। यह तरीका रैंडम शोर को अनदेखा करता है और केवल उस विशिष्ट लय को सुनता है। यह शोर को अनदेखा करने में बहुत अच्छा है, लेकिन यह धीमा है और गणना करने के लिए बहुत अधिक मानसिक शक्ति की आवश्यकता होती है।

नए स्कूल के जासूस (मशीन लर्निंग और डीप लर्निंग)
फिर, पत्र नई पीढ़ी का परिचय देता है: मशीन लर्निंग (ML) और डीप लर्निंग (DL)। ये नियम पुस्तिका वाले जासूस नहीं हैं; ये उन छात्रों की तरह हैं जो हजारों उदाहरणों का अध्ययन करके सीखते हैं।

• यह बताने के बजाय कि "रडार ऐसा दिखता है," इन सिस्टम्स को भारी मात्रा में डेटा (जैसे स्पेक्ट्रोग्राम नामक ध्वनि तरंगों की तस्वीरें) दिया जाता है। वे अपने आप रडार सिग्नल के "आकार" को पहचानना सीखते हैं।
• पत्र इस बात पर प्रकाश डालता है कि ये AI मॉडल, विशेष रूप से CNN जैसे डीप लर्निंग मॉडल (जो छवियों में पैटर्न खोजने में माहिर हैं), 99% से अधिक सटीकता दर प्राप्त कर सकते हैं। वे अन्य वायरलेस सिग्नलों के हस्तक्षेप के "कोहरे" को संभालने में बहुत बेहतर हैं। वे रडार को तब भी पहचान सकते हैं जब वह 4G या 5G के शोर के साथ मिश्रित हो, जिसे पुराने तरीके संभालने में संघर्ष करते हैं।
• हालाँकि, इन AI जासूसों का एक नुकसान है: उन्हें बहुत अधिक प्रशिक्षण डेटा (हजारों उदाहरण) की आवश्यकता होती है और उन्हें चलाने के लिए शक्तिशाली कंप्यूटरों की आवश्यकता होती है। वे "ब्लैक बॉक्स" भी हो सकते हैं, जिसका अर्थ है कि हमें हमेशा यह पता नहीं होता कि उन्होंने किसी चीज़ को रडार के रूप में कैसे पहचाना।

हाइब्रिड दृष्टिकोण: दोनों दुनियाओं का सर्वश्रेष्ठ
पत्र सुझाव देता है कि भविष्य शायद पुराने और नए के बीच चयन करने के बारे में नहीं है, बल्कि उन्हें मिलाने के बारे में है। कल्पना कीजिए कि एक सुरक्षा गार्ड पहले एक साधारण मोशन सेंसर (पुराना तरीका) का उपयोग करता है यह देखने के लिए कि कुछ हिल रहा है। यदि सेंसर ट्रिप होता है, तो वे एक वीडियो फीड देखते हैं और यह जांचने के लिए AI (नया तरीका) का उपयोग करते हैं कि यह व्यक्ति है या सिर्फ एक बिल्ली। यह हाइब्रिड दृष्टिकोण (Hybrid Approach) शोर को बाहर निकालने के लिए पुराने तरीकों की गति और अंतिम निर्णय लेने के लिए AI की बुद्धिमत्ता का उपयोग करता है। यह हमें वह गति दे सकता है जिसकी हमें आवश्यकता है और वह सटीकता भी जो हम चाहते हैं।

वास्तविक दुनिया की बाधाएं

लेखक सावधानीपूर्वक इस बात की ओर इशारा करते हैं कि हालांकि ये तरीके लैब में बहुत अच्छे दिखते हैं, लेकिन वास्तविक दुनिया अव्यवस्थित है।

• गलत अलार्म (False Alarms): यदि सिस्टम को लगता है कि उसने रडार सुना है जबकि वहां कोई रडार नहीं है, तो यह बिना किसी कारण के वाणिज्यिक नेटवर्क को बंद कर देता है। यह कष्टप्रद और महंगा है। पत्र नोट करता है कि हर वास्तविक रडार को पकड़ने की आवश्यकता और गलत अलार्म से बचने की आवश्यकता के बीच संतुलन बनाना एक बड़ी चुनौती है।
• गति (Speed): नियम कहता है कि सिस्टम के पास प्रतिक्रिया करने के लिए 60 सेकंड हैं। लेकिन वास्तविक दुनिया में, एक मिनट प्रतीक्षा करना बहुत लंबा है। पत्र उल्लेख करता है कि नए सिस्टम मिलीसेकंड में प्रतिक्रिया करने की कोशिश कर रहे हैं, जिसके लिए बहुत तेज़ हार्डवेयर की आवश्यकता होती है।
• "कमजोर सिग्नल" की समस्या (The "Weak Signal" Problem): रडार सिग्नल सेंसर तक पहुँचते-पहुँचते अविश्वसनीय रूप से मंद हो सकते हैं। सिस्टम को तूफान में एक फुसफुसाहट सुनने में सक्षम होना चाहिए। पत्र दिखाता है कि जबकि AI बेहतर हो रहा है, फिर भी यह गारंटी देना कठिन है कि अत्यंत कमजोर सिग्नल के मामले में 99% सटीकता प्राप्त की जा सके।
• डेटा की कमी (Data Scarcity): AI को प्रशिक्षित करने के लिए, आपको बहुत सारे वास्तविक रडार डेटा की आवश्यकता होती है। लेकिन वास्तविक रडार सिग्नल एकत्र करना कठिन और महंगा है। पत्र चर्चा करता है कि कैसे शोधकर्ता इन मॉडलों को प्रशिक्षित करने में मदद करने के लिए "नकली" (सिम्युलेटेड) डेटा का उपयोग कर रहे हैं, लेकिन एक जोखिम यह है कि यदि सिमुलेशन परफेक्ट नहीं है तो AI गलत चीजें सीख सकता है।

भविष्य के बारे में शोध पत्र क्या कहता है

पत्र निष्कर्ष निकालता है कि कोई एक एकल "जादुई समाधान" नहीं है। पुराने तरीके विश्वसनीय लेकिन कठोर हैं, जबकि नए AI तरीके लचीले लेकिन संसाधनों के भूखे हैं। सबसे आशाजनक रास्ता एक हाइब्रिड सिस्टम है जो दोनों के सर्वश्रेष्ठ को जोड़ता है।

लेखक कुछ रोमांचक (और पेचीदा) सीमाओं की ओर भी इशारा करते हैं। वे सुझाव देते हैं कि भविष्य के सिस्टमों को "अनुकूली" (adaptive) होने की आवश्यकता हो सकती है, जिसका अर्थ है कि वे बिना दोबारा प्रशिक्षित हुए नए रडार पैटर्न को तुरंत सीख सकते हैं। वे सहकारी संवेदन (cooperative sensing) का भी उल्लेख करते हैं, जहाँ कई सेंसर एक रडार की उपस्थिति की पुष्टि करने के लिए एक-दूसरे से बात करते हैं, जिससे सिस्टम को धोखा देना बहुत कठिन हो जाता है। अंत में, वे सुरक्षा के बारे में चेतावनी देते हैं: यदि रडार का पता लगाने के लिए AI का उपयोग किया जाता है, तो क्या कोई AI को एक नकली सिग्नल से धोखा दे सकता है? यह एक नया प्रकार का मुद्दा है जिसे शोधकर्ता अभी हल करना शुरू कर रहे हैं।

संक्षेप में, यह शोध पत्र वायरलेस दुनिया के लिए अंतिम ट्रैफिक पुलिस बनाने के लिए एक रोडमैप है। यह हमें बताता है कि हालांकि हमने AI के साथ बड़ी प्रगति की है, लेकिन काम अभी पूरा नहीं हुआ है। हमें ऐसे सिस्टम की आवश्यकता है जो न केवल स्मार्ट हों बल्कि तेज़, सस्ते और वास्तविक दुनिया की अराजकता को संभालने के लिए पर्याप्त मजबूत भी हों, ताकि हमारे फोन जुड़े रहें और नौसेना का रडार सुरक्षित रहे।