本文研究了协作认知网络中的无线信息与能量同传技术。协作认知网络,作为一项将认知无线电和协作通信技术相结合的技术,是当前学术界的研究热点。另一方面,无线信息与能量同传(Simultaneous Wireless Information and Power Transfer,SWIPT)技术因具有能够同时传输能量和信息的特点,而成为了解决传统无线通信网络能量受限问题的有效手段。SWIPT技术与协作认知网络的结合,为目前无线通信发展过程中遇到的瓶颈提供了新的解决思路。本文首先研究了基于SWIPT的单向协作认知网络中的关键技术,研究重点为网络的性能分析。为此本文提出了一种基于时间-功率的动态协作频谱共享协议;在此基础上,针对放大转发和解码转发两种中继策略,分析了主用户网络和次用户网络中断概率的解析表达式。对于理论推导结果,本文通过蒙特卡洛仿真进行了验证,并分析了各个系统参数对网络性能的影响。实验表明,相比一般协议,在发射功率一定的情况下,本文所提出的协议能够将网络吞吐量提高40%以上。其次,本文研究了基于SWIPT的双向协作认知网络中的中继选择问题,并通过机器学习技术避免了对复杂优化问题的求解。在多对次用户的双向协作认知网络场景下,本文提出了一种适用于中继选择的携能传输协议;基于该协议,进一步提出了两种基于神经网络的中继选择策略。本文详细说明了数据的生成方式和损失函数的选择,并据此设计了最优的神经网络结构。实验表明,在发射功率一定的情况下,本文所提出的中继选择策略可以在无需全局信道状态信息的情况下达到与理想中继选择方案极其接近的网络性能,同时相比于传统的中继选择策略可以带来最大60%的吞吐量提升。本文分别针对SWIPT使能的单中继和多中继协作认知网络,研究了系统性能分析和中继选择问题。提出的适用于协作认知网络的SWIPT传输协议和基于神经网络的中继选择方法,能够有效提升系统的吞吐量,为后续的相关研究提供了参考。