具有能量和频谱获取能力的传感器网(ESHSN)将能量获取和认知无线电技术两种技术结合进传感器节点，使节点从环境中获取能量并接入空闲的授权频谱传输数据，缓解传统传感网络的能量和频谱资源瓶颈。本项目拟基于机器学习和随机优化相关成果，从能量获取(EH)过程和授权频谱上主用户行为(PUA)过程的统计特征分析入手，研究基于不同程度随机过程统计信息的能量和频谱联合分配。(1)分析EH过程和PUA过程的统计信息，挖掘时间上的随机特征；(2)基于随机过程变化的时间尺度和范围信息，设计在线能量和频谱联合分配算法，动态调整节点能耗和接入频谱，优化整个运行周期内网络性能；(3)基于随机过程优化的统计信息设计资源分配算法，考虑当前资源分配决策对未来网络性能的影响，进一步提高资源利用效率。本课题有助于ESHSN在动态环境中高效的分配能量和频谱资源，对于提高其在智能城市和工业监控等应用中的性能具有重要意义。