在认知无线电(CR)背景下, 动态频谱接入已成为提高无线网络频谱利用率的重要途径。基于全球移动通信系统-铁路(GSM-R)系统中采集的细粒度频谱监测数据, 提出一种数据驱动的深度学习方法, 建模频谱模式, 并建立一套动态频谱接入访问框架。采用一种深度频谱生成模型指导频谱分配; 设计一种综合递归序列表征与场景特征嵌入的深度网络, 建模和预测短时频谱占用情况, 并由此提出一种动态信道接入策略。进一步, 利用软件无线电(SDR)平台实现一套跳频系统, 并将其与动态频谱接入策略进行集成。使用真实的历史频谱数据评估该系统的数据吞吐能力, 测试结果表明, 所提方法及构建的跳频系统能有效提高机会通信能力, 高效利用频谱资源。该频谱接入框架及 SDR系统实现具有较强的通用性, 易于集成到不同场景和频段的系统中。

针对认知无线电网络中多个异质用户具有不同的服务质量 (QoS)要求, 提出一种基于多智能体强化学习的动态频谱分配方法。该方法从用户满意度角度出发, 以用户体验质量 (QoE)作为系统的评价指标, 构建多个虚拟智能体, 模拟多个用户以合作方式与环境进行交互学习, 融合各个用户的学习和频谱决策结果, 实现频谱资源优化分配。仿真结果表明, 在未知主要用户使用规律和信道动态特性条件下, 相比基于传统强化学习的动态频谱分配方法, 提出的方法能有效提高次用户的 QoE, 降低用户间的冲突概率。

针对无线频谱资源利用率低的问题，提出一种基于改进云量子遗传算法(MCQGA)的动态频谱分配方法。该方法可动态调整量子门旋转角，基于云理论进行交叉和变异操作，以图论着色模型为基础，综合考虑最大化平均系统收益、最大化最小带宽和最大化比例公平性度量进行频谱分配。选取粒子群算法、传统遗传算法和基本量子遗传算法进行对比仿真实验，仿真结果表明，该方法更适用于解决频谱分配问题。

以血糖浓度为例,采用将动态光谱提取数据和非测量组分影响因素一同纳入预测模型的方式来提高血糖测量系统中的精度。通过支持向量算法建立血糖预测的模型,建模结果表明,考虑多因素模型的预测值优于未考虑非测量组分模型中的预测值。与后者相比,前者的相关系数达到0.9627,提高了14.23%;均方根误差为0.13,减少了43.12%;相对误差在10%范围内的样本数量增加8.33%。

提出一种基于信道质量优化的动态频谱抗干扰技术。通过对信道历史相关参数的估计，建立信道质量优化准则，而后按照准则进行频谱感知和频谱预测，并将两者频谱决策结果进行融合，当频谱决策结果为空闲(即无干扰或者信道空闲)时，用户可动态地接入该信道进行数据传输。通过仿真表明，在相同呼叫次数的情况下，可成功动态地躲避对方的干扰，加快通信链路成功建立平均时间。

近红外光谱分析作为一种无损、 实时、 连续检测的方法, 为血液成分无创检测提供了思路。 为了保证采集到的光谱数据的准确性和可靠性, 本文通过动态光谱脉搏波时域有效单沿数和频域品质因数Q值相结合的方法对405例采集的样本进行了评估, 剔除异常的样本, 筛选出218例可靠样本。 对筛选出的218例样本和对照组的218例样本的动态光谱数据与相应的被测对象的血红蛋白浓度值进行了建模分析, 每组选取200例样本作为校正集, 18例样本作为预测集。 有效单沿数和Q值联合筛选的实验组的预测准确率达到93.8%, 有效单沿数或Q值单一评估的两个对照组的预测准确率分别为65.6%和67.7%, 未经过筛选的三个对照组的预测准确率分别为53.7%, 33.3%, 42.6%; 实验组的预测平均相对误差为0.067 5, 单一评估的两个对照组分别为0.072 3和0.072 2, 随机选取的对照组分别为0.082 3, 0.078 9, 0.082 8, 较其他各组相比为最小。 结果表明时域频域联合法对光谱数据样本筛选具有可靠性和有效性, 这将为动态光谱的无创检测的精准性研究提供了方法。

自变量筛选是定量光谱分析领域的研究热点, 简便且高效的自变量筛选方法不但可以降低分析计算量, 提高分析精度, 同时还可以减轻对仪器光谱分辨能力的依赖, 降低分析成本。 波长筛选也是光谱法无创血液成分检测研究的重要环节。 动态光谱理论为血液无创检测提供了极佳的思路, 但长期局限于使用宽带光源和高分辨率的光谱仪器, 分析中需要大量波长限制了动态光谱法的进一步发展。 为了去除冗余信息, 使检测走向低成本化和集成化, 提出了基于变量投影重要性(variable importance in projection, VIP)分析的波长筛选方法。 通过分析PLS模型中各维自变量对因变量的解释能力, 从而剔除重要性较低的变量保留解释能力强的波长。 以232例受试者的临床实验数据为基础, 以血红蛋白含量为分析对象, 经投影重要性分析后将波长数由586降至64, 波长筛选后血红蛋白预测模型的测试集平均相对误差(MREP)为1.82%, 使用了极少的波长便可得到满意的结果; 结合Bootstrap方法对模型进行显著性检验后验证了波长变量的解释能力。 首次指出了使用动态光谱法检测血红蛋白的敏感波长带。 基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步, 为实现低成本在线分析打下了基础, 同时也为其他领域的光谱分析提供了重要的参考和新的思路。

将经验模态分解(EMD)算法结合动态光谱理论中的频域提取算法用于血红蛋白浓度的无创测量。在体采集57例光电容积脉搏波, 选取636.98～1 086.86 nm范围内的光谱数据进行分析。首先通过EMD方法分别对各个样本每个波长的光电容积脉搏波进行去噪预处理, 再利用离散傅里叶变换提取脉搏波的峰峰值构成动态光谱, 最后运用偏最小二乘方法对各样本的动态光谱和血红蛋白浓度建立模型。与未经EMD处理的数据建模结果相比, EMD处理后, 血红蛋白浓度预测集的相关系数从0.879 8提高到0.917 6, 预测集均方根误差从6.675 9 g·L-1减小到5.300 1 g·L-1, 相对误差从8.45%减小到6.71%, 建模精度有了较大的提高。结果表明, 采取经验模态分解的算法进行光电采集数据的去噪预处理可以提高光谱数据的信噪比, 进而可以提高血液成分无创测量的准确性。

高信噪比的动态光谱(dynamic spectrum, DS)提取是实现高精度动态光谱血液成分无创检测的一个关键。 为了进一步提高提取的精度和速度, 从原理上分析了各单波长光电容积脉搏波(photoelectric plethysmography, PPG)的线性相似性, 并基于此性质提出了补偿拟合法: 首先按照PPG单周期采样点数进行滑动平均得到漂移基线进行补偿, 除去基线漂移; 其次用各波长对数PPG与全波长叠加平均模板PPG进行最小二乘拟合, 提取一次项系数构成DS。 利用拟合提取法对近红外和可见光波段各25组PPG数据样本进行DS提取实验验证, 并将结果与单沿提取法进行平滑性指标的对比, 结果表明: 近红外和可见光波段补偿拟合法获取DS的平均方差分别为单沿提取法的77.9%和59.5%, 稳定提高了DS的平滑性; 近红外和可见光波段补偿拟合法处理时间分别可以达到单沿提取法的10%和20%, 处理速度得到显著改善。 补偿拟合法在单沿提取法的基础上稳定提高了DS的信噪比, 改善了DS提取质量, 缩减了提取时间, 并简化了处理步骤, 有望推动DS无创血液成分检测的发展。

近红外光谱血液成分无创检测技术发展至今已取得一系列进展。 为进一步提高检测精度, 基于动态光谱理论提出了一种改进的光谱提取方法: 首先拟合出漂移基线, 抑制了手指与夹具相对运动造成的影响; 然后以方和根代替峰峰值组成光谱, 减小了系统随机误差造成的影响。 最后以血氧饱和度测量为例, 对血氧饱和度系数Q进行不确定度分析, 结合实验数据的理论分析表明以方和根代替峰峰值可使不确定度下降至原先的38%。 在血氧饱和度检测实验中将改进后的方法与峰峰值法对比, 可得精度更高的血氧饱和度系数Q, 获得十组Q值的方差平均下降至原先的42%。 理论分析与实验结果均表明, 应用所提出的光谱提取方法可更加精确地从光电容积脉搏波中提取有效光谱, 在血液成分的无创检测中有着重要的价值。