为实现大规模分布式无线网络中的系统级最优资源分配,我们量化网络开销并确定约束条件,然后寻找高效的自学习算法保证系统实现。完成的主要研究内容为： （1） 基于节点自私性的资源管理：在选择中继节点转发数据时，中继节点可能表现恶意行为，我们提出了一种基于声誉的节点选择算法，并提出有效的博弈策略促使节点表现诚实说真话。我们确定了节点自私性影响网络连通的上下界，并进一步设计了一种节点自私性管控机制保证网络节点对多样性业务能够高效转发。 （2） 基于不完整信息的无线资源管理：采用分布式估计的方法对所获的信息进行修正，从而使得交互信息的可靠性得到提高。通过模糊分析层析过程的方法，根据情景感知的多维信息来确定用户需要的视频质量的各个因素的权重，然后得出用户需要的视频质量的等级，提高用户的满意程度。考虑动态网络场景，我们探讨了在交互信息开销约束条件下的能量效率。 （3） 基于博弈和自学习的无线资源分配：在业务QoS约束下，我们提出了一个基于Nash谈判解的快速内容分发机制。探讨了一种基于情景感知的自适应P2P VoD方案。基于动态规划和Q学习算法，研究了OFDMA系统的动态子信道和功率分配机制。基于能量效率和公平性判断，我们探讨了P2P网络如何通过节点自主进行负载均衡,而考虑动态的车辆通信环境，我们研究了基于时空相关性的动态优先级调度机制。面向自主节点传输时延敏感业务，我们提出了有效的动态业务调度和资源分配方案。 通过本课题的研究，发表了SCI/EI检索论文23篇，另有多篇投出在审。申请专利11件其中6件授权。培养硕士研究生25名，另有5位博士研究生在读。此外，我们也进一步加强了国际合作，期间项目主持人参加中英科技桥项目获邀访问交流南安普顿大学。本课题成果将为动态异构场景下的节点自主决策（主要是面向功率和频谱分配）的理论体系提供有益的支撑。 2100433B

节能减排已是一项全球使命，在信息通信领域如何最优分配资源是实现智能绿色无线电的核心问题之一。本课题探究智能用户如何在相关条件下基于猜测博弈自主参与协作并确定系统级最优的干扰信道随机接入概率和功率分配策略。首先在模糊信息和时延限定条件下研究科学问题的数学表征；然后基于猜测博弈研究达到系统级最优的资源分配策略：①激励用户参与协作以推动个体效用与全局效用对齐并分析其公平性，②博弈策略包含了随机接入和功率分配的联合设计；量化相关条件对博弈均衡的影响，确定均衡的存在性及筛选高效均衡。最后研究分布式自学习算法来实现最优策略，其中考虑用户时延容忍度并依赖历史的经验和本地观察，通过权衡各种猜测的可能性确定信任和更新。本课题旨在解决如何确定稳定、公平、高效的资源分配策略以实现智能绿色无线电的系统级最优目标的问题，其研究结果将为绿色通信的系统性理论提供有益的积累和支撑。

传统的火灾探测技术基于烟雾颗粒、温度等物理量的传感器，难以满足大空间、大范围火灾探测的需要。本项目旨在研究如何更好地利用视频图像实现对火灾事件的探测和预警。探究智能视频火灾探测的理论新方法和关键技术，改进已有算法在火灾视频特征提取、分析等方面的不足，在视频监控系统基础上实现实时的火灾监控。研究的重点包括以下四方面内容：1）针对可见光视频场景中光照变化、类似火焰颜色和运动物体干扰等因素及形成机制，在二分光模型的基础上研究稳定可靠的视频火焰光谱特征模型和提取方法；2）针对传统小波变换的不足，研究基于Contourlet的火焰、烟雾的方向性 纹理和高频特征提取与分析技术。3）分析视频场景中烟雾弥漫运动特性，研究可靠的烟雾模糊特征提取和分析方法；4）结合SVM、神经网络等方法对火灾特征进行学习和识别，保障识别率，降低误识率。

火灾是一种常见的自然灾害，它严重影响了人民群众生命和财产的安全。如何及时、准确地探测出突发性火灾事件将火灾造成的损失降至最低，一直是人们长期关注和研究的课题。传统的火灾探测技术基于烟雾颗粒、温度等物理量的传感器，难以满足大空间、大范围火灾探测的需要。本项目旨在探索如何利用视频图像实现对火灾事件的探测和预警，在现有视频监控系统基础上实现实时的火灾监控。 本项目围绕四个方面展开工作：1、研究二分光模型在视频火焰光谱特征提取方法；2、研究基于Contourlet的火焰、烟雾的方向性纹理和高频特征提取与分析方法。3、研究可靠的烟雾模糊特征提取和分析方法；4、构建视频火灾探测原型系统。 在自然基金的支持下，项目组成员在视频火焰、烟雾探测方面取得三项主要进展：1、提出基于Contourlet变换和协方差矩阵融合的时空域火焰纹理特征，在视频火焰检测上取得良好效果。2、引入HEP模型并对LBP-TOP算子进行改进，在视频烟雾检测上取得良好效果。3、初步构建了一套视频火灾检测软件原型系统。在本项目资助期间，项目组成员发表多篇论文、提交专利申请4项，并在视频火灾检测领域培养硕士生4名。