该研究介绍了一种基于深度学习分类的频谱感知方法，通过对接收信号功率进行归一化处理来克服噪声功率不确定性，使用尽可能多的信号类型和噪声数据训练模型，使得训练的网络模型能够适应未经训练的新信号，并使用迁移学习策略来改进实际信号的性能，实验证明该方法的性能超过了传统的频谱感知方法，并且适应不同类型的新信号，对于彩色噪声有更优越的检测性能。

Sep, 2019

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

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

利用特征值谱分析交叉相关矩阵来评估 CDMA 方案的性能，从而构建具有更广泛适用性的 CDMA 系统，其应用为通过生成具有正交性的标志序列来增强 CDMA 系统的性能。

Jul, 2006

通过时间序列获得的自相关矩阵的特殊结构，以及基于逆 Abel 变换等方法获得其精确的特征值密度。研究发现，标准的高斯误差预测无法解释通过实际高频数据计算出的特征值密度的非随机模式，如 Imaginary 部分的不对称依赖性和市场影响下的股票聚类现象。

Sep, 2006

提出了一种新的 LEarning-based Spectrum Sensing and Access (LESSA) 框架，采用 Baum-Welch 算法学习参数化 Markov 转移模型以控制决策，通过随机点值迭代方法将频谱感知和接入定义为部分可观测的 Markov 决策过程，并提出基于协作的 TD-SARSA 方法以及贪心分布式学习的 MA-LESSA，其中，MA-LESSA 在 DARPA SC2 平台上取得了显著的性能优势和实现可行性的验证.

Jul, 2021

本文提出了两种基于深度学习网络的 OFDM 信号感知框架，分别为 SAE-SS 和 SAE-TF，与传统的 OFDM 感知方法相比，这两种方法可以更好地处理噪声不确定性、时延和载波频偏，同时提高了感知准确度。

Jul, 2018

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

本研究结合多种不同的随机估计技术，展示了在存在噪声的情况下，构建偏差估计器以回答有关隐式矩阵光谱的广泛问题是可能的。

Feb, 2018