摘要：无线传感器网络与认知无线电技术相结合,构成了一种新型的网络模式——无线认知传感器网络。传统的无线传感器网络和认知无线电网络路由已无法适用于这种新型的网络,必须结合两者特性重新设计适用于无线认传感器网络的路由协议。分簇型路由协议具有拓扑管理方便,能量利用率高且有利于数据的融合与传输处理,因此无线认知传感器网络路由协议采用分簇的方法成了国内外研究的重点。文章对无线认知传感器网络以及近几年无线认知传感器网络中的分簇路由协议进行了简要的分析,并进一步提出了无线认知传感器网络未来的研究重点。

摘要：作为优化理论的一个分支,凸优化能够大大改善当前电信系统的性能,而无线认知传感器网络为凸优化开启了另一个舞台。凸优化是认知引擎的核心,并在无线认知传感器网络的频谱感知、频谱共享、编/解码、波形分集、波束赋形、无线资源管理、跨层设计和安全等领域中发挥着越来越重要的作用。文章给出无线认知传感器网络凸优化问题的标准格式,并分析线性规划、二次规划、SDP(半定规划)、几何规划等最具代表性的凸优化算法原理。

摘要：在无线认知传感器网络中,MISO(多输入单输出)是一种非常关键的多天线系统,它可以通过采用空间分集技术,并执行发射机波束形成机制,将能量聚焦在所需方向或点上,以避免对其他无线电系统形成干扰。文章围绕MISO无线认知传感器网络的宽带波形设计开展研究,基于鲁棒优化思路,提出两种迭代算法,即基于柯西-施瓦兹不等式的迭代算法和基于SDP(半定规划)的迭代算法,并给出算法的实现步骤。

摘要：分析了无线认知传感器网络(WCSN)的基本概念和优势,给出了无线认知传感器网络节点硬件结构,研究了Ad Hoc式、分簇式、异构分级式和移动式四种无线认知传感器网络拓扑结构,列举了无线认知传感器网络的应用领域。

摘要：监督学习是指利用一组已知类型的训练数据(输入对象和预期输出)对学习系统进行训练,调整分类器的参数,预测新输入的输出值。机器学习可用于无线认知传感器网络中的学习引擎设计和MAC(媒体访问控制)协议分类。文章介绍线性回归、Logistic回归、人工神经网络、决策树学习、随机森林、朴素贝叶斯分类器、支持向量机等常用监督学习算法的原理,并简要分析机器学习在无线认知传感器网络中的应用场景。