中文摘要：

本课题以分布式多跳MIMO网络的高效协同为研究背景，针对干扰对齐与消去理论实用化进程中所面临的三个挑战"特征获取失真"、"动态调度失诣"和"协同信息失控"，有效解决目前信道特征描述不准确、动态适应性差、网络开销大的问题。首先探索在线协同策略，利用在线认知的反馈信息，根据残缺的、局部的、非确定性的，甚至是存在错误的认知信息，采用模型驱动和非确定信息处理的方法，解决信道特征获取困难，容易失真的问题；接着通过准确有效的控制节点的行为，包括网络层流量控制，以及物理层多种调制方式的选择，实现基于动态适应调度策略的干扰对齐与消去算法；最后，通过对"部分"正确接收报文的缓存与动态纠错机制,结合网络的负载能力，追求在可靠性与稳定性之间达到平衡，减小节点之间的协议开销，提高认知信息的有效性，增强系统的动态敏感性与抗扰动能力，有效控制协同信息的传播。

结论摘要：

本课题按照预期计划，MIMO网络的干扰对齐与消去问题展开了研究。在网络调度优化，在线网络认知与学习，异构网络系统共存，面向可塑性干扰的网络资源共享等方面都取得了突出性成果。发表和录用IEEE Transaction期刊4篇，中国计算机学会建议的A类国际会议论文4篇，其中ACM Mobicom 2013论文一篇，IEEE Infocom论文三篇。我们提出了基于MIMO的ZigBee和 WiFi的网络接入节点协议ZIMO，有效解决了ZigBee信号和WiFi信号无法同时存在的问题，特别是我们的算法无需对现有无线传感器节点和WiFi节点进行硬件和软件上的修改，只需要增加新型的SINK节点，就可以有效解决问题。我们所提出的在线网络学习算法，研究多信道接入次序的组合优化问题。通过将多个探测次序的优化问题转化为多臂赌博机问题，我们的有效地提出了问题的近似解法，并利用悔恨值分析了算法的效率。仿真实验分析，我们的算法能够有效提高多信道条件下的接入效率，为在线接入与可预测的网络性能打下了良好的理论基础。