在无线携能（SWIPT）支持下的全双工多认知中继网络中，为使能效谱效最大，选择能量收集最大的中继进行解码转发，以此形成一个能效谱效权衡最优化问题，采用变量变换和凹凸过程优化方法将该问题转换为凸优化问题。当权衡因子为0时，该优化问题等价于使谱效（SE）最大的优化问题；当权衡因子为1时，该优化问题等价于使系统消耗的能量最小问题。为求解该优化问题，提出一种可以直接得到使能效（EE）最大的权衡因子的改进算法，通过联合源节点发射功率和功率分割因子进行优化。所提算法分为两步：首先固定功率分割因子，得到使EE最优的源节点发射功率和权衡因子；其次，固定最优的源节点发射功率，利用能效谱效与功率分割因子之间的关系，求得最优的功率分割因子。仿真实验结果表明，相较于剩余其他中继组成的网络，能量收集最大的中继网络在EE和SE上都更优。在能效谱效方面，与只优化发射功率的方法相比，所提算法的EE提高了63%以上，SE提高了30%以上；所提算法EE和SE与穷举法相差不大，同时算法收敛较快。

针对中继协作通信在发射机和接收机之间的直接路径信号较弱，且信噪比（SNR）低的场景，提出一种智能反射面（RIS）辅助解码转发（DF）中继的协作索引调制（IM）系统（RIS-DF-IM）。在该系统中，RIS作为智能接入点（AP）充当源节点和中继节点发射机的一部分，根据发射信息对反射信道进行相位补偿，最大化接收天线的SNR，并对中继和目的节点接收机的多天线进行索引调制，提高系统的频谱效率；同时，利用矩母函数（MGF）法求解所提出的双跳系统误码率（BER）的理论联合界。此外，还提出了一种预贪婪的最大似然简化（SPML）检测器，通过预贪婪减少遍历天线索引数量，以及简化最大似然译码准则式，降低计算复杂度。蒙特卡洛仿真结果表明，在RIS元件数取128且采用空间调制时，RIS-DF-IM与RIS在远端不接入发射机的协作空间调制系统相比，BER降低了约10；与传统的预编码空间调制系统相比，BER大幅降低，约20；SPML检测器相较于最大似然（ML）检测器，BER增加了约1.4，但是计算复杂度减少了一半，实现了BER与复杂度之间的有效平衡。

为优化解码转发（DF）全双工中继网络的能量效率（EE）与频谱效率（SE），提出一种DF全双工中继网络的EE和SE的均衡方法。在全双工中继网络中，首先，以提高网络的SE为目标来优化网络的EE，并结合求导和牛顿?拉弗森方法得到中继的最优功率，进而给出目标函数的帕累托最优集；然后，通过加权标量法引入均衡因子，构建一个EE和SE的折中优化函数，通过归一化将EE最优化和SE最优化这一多目标优化问题转化为单目标的能量?频谱效率的优化问题，并分析不同均衡因子下的EE、SE和折中优化的性能。仿真实验结果表明，相较于全双工?最优功率方法、半双工?最佳中继最优功率分配方法，所提方法的SE和EE在相同数据传输速率下更高；通过调整不同均衡因子，可以实现EE和SE的最优均衡与优化。

针对下行的异构认知超密集异构网络（UDN）的多维资源配置问题，提出一种以毫微微小区用户最大吞吐量为目标的联合优化用户关联和资源分配的改进遗传算法。首先，在算法开始之前进行预处理，初始化用户可达基站和可用信道矩阵；其次，采用符号编码，将用户与基站以及用户与信道的匹配关系编码为一个二维的染色体；然后，将动态择优复制+轮盘赌作为选择算法，以加快种群的收敛；最后，为避免算法陷入局部最优，在变异阶段加入早熟判决的变异算子，从而在有限次迭代下求得基站、用户、信道的连接策略。实验结果表明，在基站与信道数量一定时，所提算法与三维匹配的遗传算法相比在用户总吞吐量方面提高了7.2%，在认知用户吞吐量方面提高了1.2%，且计算复杂度更低。所提算法缩小了可行解的搜索空间，能在较低复杂度下有效提高认知UDN的总吞吐量。

针对信息传输过程的时间消耗和信道估计误差对网络能效的影响，提出了一种基于非线性能量收集的全双工认知中继网络的联合优化方法。所提方法是在中继采用非线性能量收集并考虑非完美信道状态信息（CSI）的情况下，首先通过将能效非凸优化问题转化为两个凸的子优化问题，从而求出次用户和中继的传输功率以及收集的能量；其次，在保证主用户干扰门限以及最优传输功率非负的情况下，求出传输的信道容量范围；最后，将传输功率代入表达式得到关于时间的目标函数，并利用海森矩阵证明该目标函数为凸函数，进而求出最优传输时间以及功率分割因子，最终得出能效最优解。实验结果表明，在相同条件下，所提联合优化方法的能效相较于仅优化传输功率的能效提升了约84.3%；同时验证了信道估计误差因子为0.01时，所提方法的网络能效降低了约1.9%。