通过对运行速度缓慢的密集部署的小型基站进行交互用户关联和频谱分配来开发可扩展的框架，以满足给定的流量统计需求。通过将频谱划分给所有可能的主动访问点 (AP) 的传输模式来首先将联合用户关联和频谱分配表述为凸优化问题。

Jan, 2017

研究动态频谱访问、网络效用最大化和分布式动态频谱访问算法，基于深度多用户强化学习，开发解决方案，并在多信道无线网络中进行实验评估。

Apr, 2017

本文提出了一种分析和优化设备对设备 (D2D) 增强移动通信网络中频谱分配和通信模式选择的通用方法，利用随机空间泊松点过程建立了可行的混合网络模型，采用两个 D2D 频谱分享方案的加权比例公平效用函数来优化两个选择，最终提出一个权衡频谱访问因子和 D2D 模式选择阈值的性能 - 覆盖度折衷。

May, 2013

本研究介绍了在语义感知的范式下，如何通过资源分配决策来优化利用公平度的权衡，同时考虑到用户数据相关性。通过引入自我和协助吞吐量的概念，提出了一种新的无线频谱多接入问题的解决方法，利用 α 公平度度量优化。通过单信道和多信道的场景评估，发现在各种 α 值、关联矩阵和信道条件下，SAMA-D3QL 方法都表现优于其他方法，从而为未来联邦动态应用的实现提供了有希望的候选方案。

Jan, 2024

本文研究了基于比例公平性的用户与基站关联的优化问题，提出了分布式的价格更新策略和联合用户关联和功率控制、波束成形优化方法，并证明了该算法优于现有的方法。

Jul, 2014

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

本文提出了基于多臂赌博机的算法来优化超密集网络中利用授权、共享和非授权频段通信时的信令开销，实现有限时间内的稳定正交分配，降低复杂度，适应动态网络环境。

Dec, 2018

本文是第一篇在生产网络环境中使用基于用户感知的传输功率控制系统的研究，提出了一种新的方法来评估用户密度和研究了一种新的机器学习方法以估算缺失信号强度测量值。实验表明，相较于现有技术方案，该新系统可以提高 15dBm 的中位信号强度，同时降低空间干扰，代价是由于终端不合作性导致的上行信号强度下降了 5dBm。

Feb, 2023

研究了二次用户在交互式无线通信过程中的最大吞吐量和最小化每个主接收器产生的干扰之间的权衡，并通过利用二次发射机处的多天线，从信息理论的角度对该基本权衡进行了表征，以实现对时空和频率域中的机会光谱共享。

Nov, 2007

本文提出了一种基于深度学习的资源分配机制，使得 LTE-LAA 小基站可以在与 WLAN 网络和其他 LTE-LAA 运营商公平竞争的情况下，实现动态选择频道，载波聚合和分数谱访问。该机制可以解决频谱稀缺的问题，避免 LTE-LAA 网络在低峰期内频谱利用率不足跟上未来的数据需求。实验结果表明，与传统反应式方法和比例公平机制相比，该方案可以使总服务 LTE-LAA 流量负载提高 28% 和 11%。

Feb, 2017