사용자가 이용할 수 있는 스펙트럼 자원은 일반적으로 시간에 따라 변화한다. 따라서 매 시점 분산적으로 스펙트럼 자원을 최대한 활용할 수 있도록 어느 채널을 감지하고 접속할지 결정하는 것이 CSS 기술의 핵심이라고 볼 수 있다.

지금까지는 사용자로부터 수집된 센싱 정보를 가용과 비가용 채널로 분류하는 작업을 OR/AND rule¹⁾기반으로 진행해왔다. 즉, 여러 사용자가 융합 장치(fusion center)로 센싱 결과를 보내면 융합 장치에서 채널 점유 여부를 결정하는 식이다. 이 작업에 AI를 접목하면 측정되는 에너지 데이터 처리, 분류를 위한 신경망 구축 등 정확한 주파수 가용 여부를 탐지할 수 있다. 이로써 기존 방식보다 신뢰할 만한 결정이 가능해질 뿐만 아니라 궁극적으로는 자동화된 공유 조정을 실현할 수 있을 것으로 보인다.

또한, 전파 탐지 영역을 확장하기 위해 드론, 저궤도 위성 등 다양한 형태의 시스템이 연구되고 있다. 이러한 시스템에 인공지능 기술이 접목된다면 전파 감시 기술이 크게 확장될 것으로 전망된다. 특히 드론의 경우 기동성이 우수해 시스템에 대한 안정성과 정확한 신호 분석 기능만 확보된다면 광범위한 용도로 사용될 수 있다. 특히 인구가 밀집된 도심 지역이나 도서 지역 등에서 요긴하게 활용될 것으로 예상된다.

현재 초광대역 신호, 소출력 기기, IoT 기기 간 전파 혼·간섭을 탐지하는 기술이 미비하여 안전사고 예방이 불가능한 상황이다. 그러나 AI 기반 전파 탐지 기술을 활용하면 주파수 이용현황 분석 및 주파수 공동사용 가능성 판단, 생활·산업용 비면허 기기 실태 분석 등 효과적인 전파 혼·간섭 탐지가 가능해진다. 이처럼 AI 기반 불법 전파 탐지 기술은 복잡한 무선 환경에서 신호 간 간섭으로부터 발생하는 손실을 줄이고 깨끗한 전파 환경을 구축할 수 있을 것으로 기대된다.

특히 AI 기술 중 하나인 CNN 기술²⁾과 레이다의 융합은 큰 반향을 일으킬 것으로 예상된다. 레이다 탐지 신호는 광학 신호와 달라 사람이 레이다 영상을 직접 해석하기 어렵다. 특히 구분하고자 하는 물체의 종류가 다양한 경우에는 더욱 그렇다. 그러나 CNN 기술을 이용하면 레이다 영상의 인식 성능이 크게 향상되어 물체의 종류를 구분하거나 사람의 동작을 인식할 수 있게 된다.

즉, 레이다를 이용해 사람의 동작이나 상태를 모니터링할 수 있는 비접촉식 센서 기반 서비스가 가능해진다는 의미이다. 물론 카메라와 비교했을 때 레이다가 물체의 외관을 추출하는 성능은 떨어지지만, 이 점이 오히려 사생활을 보호해주는 장점이 될 수 있다. 또한, 카메라로는 측정하기 어려운 호흡이나 심박수를 측정할 수도 있어 여러모로 장점이 많은 기술이 될 것으로 예상된다.

또한, 벌써 큰 우려를 낳고 있는 불법 드론 문제 해결책으로 AI 기술이 접목된 레이다 망이 주목받고 있다. 불법 드론을 특정하기 위해서는 드론의 종류를 구분해야 하는데, 이는 현 레이다 기술로는 불가능하다. 드론은 전투기보다 훨씬 민첩한 데다가 미약한 신호를 뿜어 궤적과 방향 예측이 어렵기 때문이다. 그러나 레이다에 AI 기술이 접목되면 먼 거리에서도 정확한 구분이 가능해져 이와 같은 한계를 극복할 수 있을 것으로 보인다.