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。

本文探讨了开放无线接入网络（O-RAN）的设计与评估，介绍了基于强化学习的xApp开发、实时管理机制、智能切换框架及对抗性机器学习研究。提出了ColO-RAN测试框架，优化了网络切片和资源分配，展示了基于AI的调度与功率控制的优势，显著提升了网络性能。