本研究提出了LibIQ，一个用于O-RAN架构中实时频谱分类的创新库，旨在解决数据延迟和隐私问题。通过在5G网络模拟器上测试，该模型实现了约97.8%的分类准确率，展现了在频谱监测和信号识别方面的潜力。

ColO-RAN是一个解决O-RAN测试框架缺少数据和实验测试基础设施的大规模解决方案，使用深度强化学习进行闭环控制的设计、训练、测试和评估，并在真实网络上展示了其可移植性。