该学位论文研究了认知无线电的频谱感知技术中的噪声特性和感知开销与系统性能的折中优化问题。为进一步认识信噪比墙现象的本质,研究了噪声功率的波动模型,明确了能量检测器中信噪比墙现象的必然性。然后,归纳总结了克服信噪比墙现象的感知算法优化。接着,为全面实现感知开销参量和系统性能的折中,研究了本地采样数与合作用户数的联合优化。最后,为解决数据冲突对感知性能影响的问题,研究了基于数据冲突的感知周期和采样时间的联合优化。具体的研究内容和成果包括以下几个方面:1)研究了通信系统中噪声的起源、归类和统计特性,提出了服从对数正态分布的噪声功率波动模型。基于提出的噪声功率波动模型,进一步研究了能量检测算法中的信噪比墙问题;与已有噪声功率波动模型比较,通过置信区间分析,验证了已有的闭区间波动模型是对数正态模型的特例,即对数正态分布的模型更接近噪声功率波动的真实。2)基于信噪比墙现象对本地感知算法稳健性的重要影响,对研究这个问题的工作做出了全面的归纳分析。明确了出现信噪比墙现象的本质原因,一是在频谱感知的假设检验中判决门限对噪声功率的依赖性;二是待测信号已知信息的不充分。总结了试图解决这一问题的研究成果,将算法优化归纳为相应的两种类型。通过对条件和性能的比较分析,得出基于采样数据的协方差矩阵特征值的检测算法是具有普适性的有效算法。3)进一步研究了合作感知网络中感知开销与数据吞吐量之间的折中问题。基于软合并的判决融合模式和吞吐量最大化准则,建立了本地采样数与合作用户数的联合优化模型。改进了基于Armijo非精确线搜索的最速下降算法,求解了模型的最大值优化问题,验证了优化模型全局最优解的存在性和唯一性;得到了本地采样数与合作用户数的全局最佳组合,实现了合作感知重要参数的动态优化。与单一参数的优化相比,联合优化更深刻地揭示了系统的内在规律并更全面地解决了相关问题。4)基于目标频段的主用户业务模型和数据包的数据交换模式,建立了主次用户间的数据冲突模型,分析了数据冲突对认知网络有效数据吞吐量的影响;通过蒙特卡洛仿真验证了模型的合理性。基于建立的数据冲突模型,建立了认知网络有效数据吞吐量与感知周期之间的折中优化模型;理论证明了优化模型最优解的存在性和唯一性,得到了基于数据冲突和吞吐量最大化的最佳感知周期。仿真实验验证了优化模型的有效性。5)为进一步解决主次用户间的数据冲突问题,建立了有效数据吞吐量与认知网络帧结构(感知周期和检测采样时间)的联合折中优化模型。通过非精确线搜索数值算法求解了该二元联合优化问题,验证了优化模型全局最优解的存在性和唯一性;得到了基于数据冲突的认知网络帧结构的最佳参数配置。这样,在一定程度上从系统优化的层面解决了主次用户间的数据冲突问题。