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

本文提出了一种新的方法，旨在使多个认知无线电设备协作、使用贝叶斯非参数技术来估计原始用户的活动分布，进而通过形成联盟来优化算法性能，并得到了较高的准确性和性能优越性。

Feb, 2012

本文提出了一种基于主动推理的认知无线电资源分配策略，并以认知无人机为案例研究。在外部环境中，提出了一种主动广义动态贝叶斯网络来编码物理信号动态和无人机与干扰源之间的动态交互。通过避免出现令人惊异的状态（最小化异常值），将行动和规划视为贝叶斯推理问题进行求解。仿真实验表明，与传统的频率跳跃和 Q-learning 相比，提出的主动推理方法在最小化异常值（最大化奖励）方面非常有效，并具有很高的收敛速度。

Aug, 2022

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

本文提出了一种新的算法，称为一比特零空间学习算法（OBNSLA），用于 MIMO 认知无线电次用户（SU）学习主用户（PU）的干扰通道的零空间，无需给 PU 带来任何知识或显示与 SU 的合作。

Jan, 2013

通过网络干预的主动学习方法，本论文旨在解决因果推断中潜在结果检验框架忽视个体干预以及假设独立处理效应的问题，提出了一种基于网络干预的主动学习方法以估计直接和溢出治疗效果，能够在复杂干预结构下具有高效和精确的效果估计能力。

Feb, 2024

本文提出了一种面向车联网的信息时代感知传输功率和资源块分配技术，利用高斯过程回归方法实现在线无中央控制机制的网络动态学习，实时预测未来 AoI，最小化 AoI 超过阈值的概率，并取得了 50% 以上的效果提升。

Nov, 2019

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

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