关于移动感知器网络中感知任务的分发问题，目前学术界已经有了诸多相关研究.然而，这些研究很少涉及到多个智能体协作完成复杂感知任务问题.针对这种情况，首先，通过分析移动感知器网络的结构特征、智能体相互之间、以及智能体和感知任务之间的关系，本文提出了智能体之间协作关系强度和智能体对感知任务适应度两个概念，并讨论了二者对于移动感知器网络中感知任务动态分发的作用.其次，在上述概念的基础上，将二者融合为偏好因子，提出了基于随机游走和协作关系的任务分发算法（TDCR，Task Distribution With Cooperative Relationship），通过该算法达到提高任务分发效率的目的.最后，将TDCR与Personal Rank算法（PR）、HITS算法对比分析，表明所提出的算法TDCR在任务分发效率和准确度等性能指标上有较好的提升.
现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况，难以有效实施特征分析、行为分类补全，无法准确识别出智能体完整的行为动作序列.为此，本文提出一种基于深度学习和智能规划的行为识别方法.首先，利用深度残差网络对图像进行分类训练，然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果；其次，运用智能规划的STRIPS （Stanford Research Institute Problem Solver）模型，将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档，并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中，本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.
在频分双工大规模多输入多输出系统中，基于压缩感知的信道状态信息（CSI，channel state information）反馈方法因正确重构CSI小幅度元素的支撑集合造成巨大的反馈开销.为降低基于压缩感知的CSI反馈的开销，提出一种部分支撑集辅助的压缩感知CSI反馈方法.提出方法将CSI的一部分小幅度元素的支撑集与压缩CSI一同反馈回基站.基站无需重构反馈回基站的CSI小幅度元素的支撑集，压缩CSI所需的测量次数（反馈开销）得以极大降低.分析与仿真结果表明，相对于传统的基于CS的CSI反馈方法，提出方法在确保CSI重构精度与可达和速率情况下，能有效降低CSI反馈开销和CSI重构的计算复杂度.
无线电资源交易发生在MTC网关（MTC Gateway MTCG）和LTE用户之间.根据基于联盟区块链的空闲无线电资源交易来建立MTCG之间的信用度.在多个授权的本地基站（Base Station BS）上建立了一个联盟区块链，用于公开审计和共享交易记录.资源交易记录在加密后上传到BS.在交易记录通过审查和共识过程之后，新区块被存储在BS上，并且可以由MTCG，LTE用户和连接到联盟区块链的BS进行公开访问.为了最大化系统的利益，支持频繁的资源交易，提出了一种基于信用贷款的支付方案，并给出了相应的最优定价策略.
