下一个阶段的几个方向：

1.      定位辅助提供信道信道信息的谱感知

认知无线系统中，第一用户的感知的影响因素为： 第一用户信号、信道、干扰、噪声。即：y(t) = x(t)*h(t) + i(t) + n(t) 现在一般的谱感知方法中，假设了先验信道模型和参数，而当认知无线电处于环境动态变化中，信道是变化的。而新的信道信息可以通过认知无线网络中用户的绝对位置映射到数据库中得到。（基于信道信息定位的逆向应用）。

2.      参与协同感知节点的选择及感知节点的数目

协同谱感知中，在感知性能的最优化标准下（探测概率最大，虚警概率最小的优化）或者达到一定门限情况下，怎样选择参与协同感知节点及感知节点的数目。在协同感知中，感知节点的选择和感知数目的选择应该是联合进行优化的，因为此二者之间相互联系耦合。简单的，如果感知节点选择情况很好，在信息融合中达到了很高的性能，则可以相对少的节点需要；反之，如果感知节点选择情况较差，即网络中存在的可选择的节点情况就比较差，则，需要参与协同感知的节点数目较多。

3.      局部认知终端辅助的协同谱感知方法

认知无线电网络中，节点之间、节点和融合中心之间的距离较大，信息传输存在一定得干扰、噪声和信道衰落等，所以要求局部判决结果可信度比较高，才能在融合中心获得较高的判决结果。协同认知无线网络中硬判决方法相对软判决有计算复杂度上的优势，但性能却不如软判决。为了提高信息融合中心性能，在局部终端向融合中心发送判决结果中，对于信噪比的判决结果，或（探测概率，虚警概率）对设置一个判决门限，其值高于一定值的时候，才允许其向融合中心传输判决结果，在相同数目的参与节点情况下，其性能优于无局部SNR门限辅助的信息融合。将判决与决定（探测概率，虚警概率）性能的参数直接联系。此判决方法优势：因为采用硬判决数据传输，较少的利用信道资源作控制信道；同时，同种探测性能下，需要更少的能源（电池，参与信息融合节点）。此方法的本质：将信息融合链路的负担和计算复杂度，转移到局部认知终端。

4.      动态的感知时间优化

因感知信号的不确定性，达到一定的SNR Wall以后，谱感知时间的增加已无意义，还浪费通信时域资源。另一种类似的情况，在（探测概率，虚警概率）达到一定门限时，时间积累的意义也不太了。从而感知时间周期应该与SNR Wall分析中，信噪比或（探测概率，虚警概率）的参数a有关。

5.      基于压缩传感的信号谱感知：

当前压缩传感谱感知方法中，主要针对能量感知，而感知本身计算复杂度最小，而且不能进行噪声、干扰和信号分离识别；压缩传感本身作用也在与进行计算复杂度的降低，提高计算速率。而其他可以识别信号的方法与压缩传感结合，更能实现优势互补。e. x. 如cyclestationary detection与AIC的结合。

其他感知技术：匹配滤波，部分匹配滤波，时频，小波等。

6.      谱行为预测

当前认知无线电信号处理基本进行接收信号的谱估计，而认知无线电系统中，当第一用户从闲置到工作时，将导致第一用户与认知无线电用户的冲突，只有等认知无线电用户获得第一用户占用判定信息后退出使用频段，从而冲突终止。如果在认知无线电中引入第一用户发射信号的预测，则可以预先对认知无线电发射机进行相关调整，根据预测第一用户返回概率的大小，对应调整认知无线电发射机，如降低认知无线电的发射功率等，从而达到冲突概率最小的目的。

7.      基于第一用户接收机SINR忍耐力的认知无线电发射机

    设计优化模型，发射机参数包括，功率、工作频段、信道衰落（第一用户信道、第二用户信道）等。设计第一用户接收机能忍受的最低SINR，SINR_min，以保证第一用户信号收发的基本要求。