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

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

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

通过对无线网络处理技术进行深入的研究与探索，本篇论文探究了相关过程的不同表现形式。同时，结合压缩感知技术，本研究提出了许多有关大规模天线阵列、非正交多路访问（NOMA）和超密集网络（UDN）等领域的有前景的研究思路。

Sep, 2017

本文通过使用基于人工智能的语义分割模型，对用于识别受攻击的移动网络信号的频谱感知方法进行漏洞分析，并证明缓解方法可以显著减少基于人工智能的频谱感知模型面对敌对攻击的漏洞。

Sep, 2022

我们提出了一个基于数据驱动的框架，用于网络化的无人机协同宽带频谱感知和调度，其作为次级用户为探测到的频谱空隙提供机会利用。为此，我们提出了一个多类分类问题，用于基于采集到的 I/Q 样本检测空闲频谱位置的宽带频谱感知。为了提高频谱感知模块的准确性，我们在无人机系统交通管理 (UTM) 生态系统中的服务器上对各个单独无人机进行的多类分类结果进行融合。在频谱调度阶段，我们利用强化学习 (RL) 解决方案将探测到的频谱空隙动态分配给次级用户 (即无人机)。为了评估所提出的方法，我们建立了一个综合的仿真框架，利用 MATLAB LTE 工具箱生成一个接近真实的合成数据集，其中包括所选兴趣区域内基站 (BS) 位置、射线跟踪和模拟主用户的信道使用情况的 I/Q 样本。这种评估方法提供了一个灵活的框架，可以生成用于开发基于机器学习 / 人工智能的空中设备频谱管理解决方案的大型频谱数据集。

Aug, 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

该论文提出了一种深度协作感知（DCS），用于在认知无线电网络（CRN）中进行协作频谱感知（CSS），以检测可能同时占用多个波段的主用户（PU），通过使用卷积神经网络（CNN）学习 SUs 的单独感测结果的组合策略，DCS 发现一种环境特定的 CSS，即使单独感测结果被量化或未量化，也可以以自适应的方式考虑个体感测结果的频谱和空间相关性，仿真表明，即使训练样本数量较少，建议使用低复杂度 DCS 可以提高 CSS 的性能。

May, 2017

本文讨论了智能无线通信、认知无线电、机器学习技术的发展，以及它们在提高动态无线环境下的频谱和能量效率方面的作用和现实应用，并且指出了认知无线电和机器学习在现有和未来无线通信系统中面临的进一步研究挑战。

Oct, 2017

本文提出了基于二级用户接收信号的协方差矩阵特征值的新型感知方法，包括基于最大特征值与最小特征值比率以及基于平均特征值与最小特征值比率的感知算法，并使用最新的随机矩阵理论量化了两种算法的误警概率和检测概率，验证了方法的有效性。

Apr, 2008