在无线区域网中，作为授权用户的无线麦克风信号的低功率和窄带宽使得这种信号的检测非常困难。提出了基于奇异值分解的无线麦克风信号检测方法。对由接收信号形成的Hankel矩阵作奇异值分解，通过检查奇异值来检测无线麦克风信号的存在并估计该信号的中心频率，进而可以设置保护频带；非授权用户可以使用保护频带之外的频率资源，从而改善频谱效率。仿真结果证明了基于SVD的频谱检测算法具有更好的检测性能和很高的频率估计精度。

人工智能-机器学习-认知无线电系统智能可调谐射频功放技术研究.pdf

人工智能-机器学习-认知无线电智能学习技术研究.pdf

认知引擎 认知无线电是一种无线通信设备，能够感知环境并决定如何使用可用无线电资源以实现具有特定服务质量的通信。 认知引擎——认知无线电背后的智能系统，结合传感、学习和优化算法，从物理层到通信堆栈控制和调整无线电系统。 该存储库是使用遗传算法优化方法基于一组预定义的环境参数选择其运行参数的认知引擎的模拟。

深度强化学习Q-Learning在协作认知无线电网络中的应用+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

有关认知无线电中公平性的仿真程序图，其中还有与其他算法对比的过程

认知无线电中基于干扰图模型的动态频谱分配。 M=5; %频谱池中信道的个数 N=Nc/2; %发送节点的个数 r=10.^(15/20); %最小SINR值，r=15dB a=4; %衰减因子 V=[rand(N,1)*10,rand(N,1)*10]; %产生10*10范围随机分布的N个顶点的横纵坐标，作为干扰图表的顶点 V1=[rand(N,1)*20,rand(N,1)*20]; %产生20*20范围随机分布的N个认知用户的横纵坐标，作为发送节点的坐标 V2=[rand(N,1)*20,rand(N,1)*20]; %产生20*20范围随机分布

这里我们通过模拟计算能量检测的阈值。 这是一种通用的方法，适用于能量检测的所有场景。 我们假设所有信号都是复杂的高斯信号。 ％ 算法： 1.假设接收到onlt噪声，即主用户不在。 2. 如果唯一的噪声能量高于阈值，则对应于虚惊。 3. 运行此场景进行一定次数的迭代。 4. 误报概率 = 能量高于阈值/否。 迭代。 要绘制 ROC 曲线，请参考同一作者发布的其他 MATLAB 代码。

安全技术-网络信息-最大化能量有效性的下垫式认知无线电中继网络功率分配研究.pdf

安全技术-网络信息-认知无线电网络协作频谱共享策略研究.pdf