未知环境中基于图型博弈和multi-Q学习的动态信道选择算法 研究了分布式无线网络中，没有任何信息交换、也没有环境变化先验知识情况下的动态信道接入算法。运用图型博弈模型对用户的实际拓扑进行建模分析，证明了此博弈模型存在纯策略纳什均衡并且此纳什均衡是全局最优解。同时，采用multi-Q学习求解模型的纯策略纳什均衡解。仿真实验验证了multi-Q学习能获得较高的系统容量以及在图型博弈模型中用户的效用主要由节点的度决定，而与用户数量无直接关系。

稳定分布噪声下基于粒子滤波的多径时变信道盲均衡算法 提出了一种基于粒子滤波的多径时变信道盲均衡算法，并在此基础上进行扩展，提出了一种基于延迟抽样的盲均衡算法。新算法的贡献可总结为：推导出对称α稳定分布（SαS）噪声下对传输码元进行最大后验估计的盲贯序算法；对SαS分布噪声进行高斯近似并递推出信道及噪声未知参数的联合后验分布。仿真结果表明，所提出的算法是有效的，特别是在较强脉冲噪声情况下要优于其他算法。

面向话题的微博网络测量研究 针对话题生成网络的动态时序特性，设计定量计算方法，从微博内容、网络结构、用户行为角度开展面向话题的新浪微博网络测量研究，结果发现：少数微博被大量转发，转发次数与对应微博数呈现近似的幂率分布；话题热度呈现明显的突发性和变化趋势，局部波动率能够有效地在大量背景微博中发现突发话题；基于话题生成的转发网络的小世界特性并不明显，且密集的关注关系不一定引发频繁的转发行为；传播能力强的话题中含有较大比例的持续参与用户，用户行为的话题相关性能够有效检测潜在关键用户。测量结果有助于了解话题生成网络的内容传播特点、网络结构特性及用户行为模式，测量指标能够有效应用于微博话题影响力分析等相关研究。