认知无线网络中基于压缩感知和随机微分对策的无线资源管理

认知无线系统具有自主学习的能力，可以感知外界环境，自适应调整系统参数，主动避免干扰，实现高速率、高质量的通信，被认为是最有希望实现资源共享，有效提高频谱效率的备选技术之一。然而，认知网络中的频谱感知和多信道分配技术尚不成熟，相关研究成果或者存在设计缺陷，或者复杂度过高难以实现。本课题拟引入压缩感知技术、BP神经网络模型和随机微分对策理论，重点解决循环平稳特征检测、宽带频谱感知和多信道分配等关键问题，旨在提高信号检测的准确性，减小系统处理开销，高效合理的分配无线资源，改善系统吞吐量，建立认知无线网络中资源管理的新模型和新方法，最终实现网络整体效益最大化，促使认知无线技术从理论研究走向工程应用。

认知无线系统具有自主学习的能力，可以感知外界环境，自适应调整系统参数，主动避免干扰，实现高速率、高质量的通信，被认为是最有希望实现资源共享，有效提高频谱效率的备选技术之一。然而，认知网络中的频谱感知和多信道分配技术尚不成熟，相关研究成果或者存在设计缺陷，或者复杂度过高难以实现。围绕上述问题，本课题组研究了基于压缩感知的循环平稳特征检测机制、基于分级架构的宽带频谱高效检测技术、基于随机微分对策的多信道分配及资源管理以及认知无线网络中的联合资源管理机制等关键问题，通过设计有效算法提高了信号检测的准确性，减小了系统处理开销，实现了无线资源的高效合理分配，提升了系统吞吐量，建立了认知无线网络中资源管理的新模型和新方法，最终实现网络整体效益最大化。另外，课题组邀请国外知名专家来访1人次，参加IEEE旗舰性国际会议15人次，与北美一流高校展开了合作交流。本课题共发表学术论文60篇，其中SCI收录12篇，EI收录48篇；已授权专利9项，已申报专利3项；培养博士6名，硕士1名，获得北京邮电大学优秀博士学位论文奖和优秀硕士学位论文奖各1人次。