多入多出(MIMO)系统可以获得比单发单收系统更高的容量，对于MIMO系统，最大似然检测是最优接收，但其 指数复杂度难以在实际中应用。针对该问题，结合格缩减理论提出了基于Householder变换的复数域格缩减算法，将该算法和 MIMO次优检测算法相结合，给出了量化判决方法，且该复数域格缩减算法复杂度小于实数域格缩减算法。仿真结果表明， 基于Householder变换复数域格缩减的MIMO次优检测算法，通过优化信道矩阵可以得到更好的判决域，取得了逼近最优最大 似然检测算法的性能。

前已提出的频谱感知方法主要包括匹配滤波器检测、 能量检测、 循环平稳特征检测以及多分辨率频谱感知. 这些方法均为单节点感知方法.然而，在阴影和深度衰落情况下， 单个节点的感知结果并不可靠， 因此， 需要对多个节点的感知结果进行融合，以提高检测可靠性， 即协作感知技术. 文献采用“或” 准则对各个 CR 感知结果进行融合. 文献则提出了基于 D-S 证据理论的协作频谱感知算法，虽然该算法的性能比“或” 准则或“与”准则要好， 但需要存储大量历史信息， 算法的计算复杂度也很高. 文献中分析了采用似然