本文研究了在现有主要无线电网络下采用频谱共享的辅助或认知无线电（CR）网络的信息论极限。研究了多个辅助用户在在其各自的传输功率约束和一个应用于主要接收器之一的干扰功率约束下，向辅助基站（BS）发送信号的信道模型。在辅助发射机的不同状态下，以及每个主要接收器应用的长期或短期干扰功率约束下，导出了辅助用户的最优功率分配方案，以实现信道容量的无穷期望总和。对于辅助网络的动态时分多址（D-TDMA）方案的优化条件也得到了研究探讨。研究了在辅助基站下行链路传输的信道模型（C-BC），并论证了对于所有传输功率和干扰功率约束的组合，D-TDMA 都是实现信道容量的无穷期望总和的最优方案。

Jun, 2008

本文提出了一种基于深度强化学习的方法，用于共享主要用户和次要用户之间的频谱，并设计了一组空间部署的传感器节点以帮助感知无线环境中的接收信号强度信息，从而使得次要用户可以与主要用户有效地交互以达到传输数据的设定目标状态。

Dec, 2017

介绍了各种宽带频谱感知算法及其优缺点和挑战问题，并特别关注了子奈奎斯特技术的应用，包括压缩感知和多通道子奈奎斯特采样技术。

Feb, 2013

本文提出了一种顺序探测方法，用于允许中央认知无线电网络（CRN）在设计的主用户（PU）保护规范下访问主用户（PU）的频带，并用二进制 ACK / NACK 数据包来学习 PU 干扰约束，我们在 Active Learning (AL) 框架内研究了这个受限设计问题，并提出采用 Expectation Propagation（EP）方法的最优解，并通过数值模拟来演示该解决方案的性能。

Oct, 2017

提出一种结合 epsilon-greedy 学习规则和避碰机制的算法，用于解决多用户共享多臂赌博问题，应用于认知无线电网络中，实验证明相比其他算法，该算法在此环境中可以显著提高性能，并取得次线性遗憾。

Apr, 2014

本文介绍了利用人工神经网络进行自主分布式的次级网络的控制策略，并通过预测次级网络对主网络的干扰来解决干扰限制和认知无线电之间的信息交流等问题，以实现更精细的下层传输功率控制和更高的传输机会。

Jun, 2018

通过利用混合软行为者评论家算法的多智能体强化学习方法，实现了动态频谱访问中联合频谱感知和资源分配的优化，以最大化网络的通信速率，并在实验中验证了该算法在增加频谱资源利用率、限制对主网络干扰方面优于现有技术。

Apr, 2024

本文提出一种应对网络安全攻击的战术通信系统的通道感知、协作和传输算法，通过节点感知、合作和选择疑似未被攻击的信道来提高网络频谱知识和减少受到攻击的传输频率。

Mar, 2020

利用频谱感知技术进行多用户频谱感知，提高虚警概率和检测概率，从而有效地探测闲置时段的频谱资源，优化信息资源的重新分配。

Nov, 2023

使用最近的矩阵完备技术来解决协作无线电节点之间的协作感知问题，结果表明，即使在无噪声的情况下，当主用户数量增加时，只需使用不到 17％的完全感知信息即可达到 95.55％的检测率。

Jan, 2010