首先介绍了认知无线电技术产生的背景，以及强化学习的发展和应用于认知领域的优势；接着对强化学习的基本原理及其2个常见的模型Q-Learning和POMDP作了介绍,并对其模型定义、思想、所要描述的问题和使用的场景都做了较详细的阐述；然后针对这个方向最近几年的顶级会议和期刊论文，分析了其主要内容；通过最近几年的学术、会议论文中所述的研究现状及成果，说明强化学习的主要特点是能够准确、快速学习到最优策略，能够模拟真实环境，自适应性强，提高频谱感知、分配效率，从而最大化系统吞吐量，这些优势充分证明了强化学习将是认知

将认知无线电中的动态频谱分配技术应用在无线传感网中，针对工作在ISM（industrial，scientific and medical）频段的无线传感网面临的频谱资源紧缺问题，提出一种基于改进自适应遗传算法的动态频谱分配方案。该算法以图论着色模型为基础，以最大带宽收益和最小切换频率为目标函数，在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率。仿真结果表明，与传统遗传算法和颜色敏感图论着色算法相比，该算法可以实现提高频谱利用率、降低能量消耗的预期目标。

2018年5G-频谱分配分析报告.pdf

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

安全技术-网络信息-认知无线电网络中的动态频谱分配与共享.pdf

安全技术-网络信息-认知无线电网络中的频谱分配技术研究.pdf

安全技术-网络信息-认知无线电网络中非合作频谱分配策略研究.pdf

安全技术-网络信息-认知无线电网络中频谱分配策略的社会最优问题的研究.pdf

安全技术-网络信息-认知无线电网络中频谱分配算法的研究.pdf

安全技术-网络信息-认知无线电网络中频谱切换与频谱分配技术的研究.pdf