随着物联网技术的快速发展,物联网节点数量和通信需求的指数型增长,对目前的无线通信技术及有限的无线频谱资源提出了新的挑战。此外,物联网中节点类型众多,业务类型也各不相同,对频谱资源的需求也不同,现有固定的频谱分配策略无法满足物联网日益增长的频谱需求。认知无线电技术的出现为目前固定的频谱资源的分配提供一种更灵活的方法。认知无线电能够动态学习环境中频谱资源的变化情况,在保证主用户正常工作的前提下,通过频谱感知和灵活的频谱分配,从而实现对有限频谱资源的高效利用。此外,在物联网中引入认知无线电技术后,在极大提升频谱资源利用率的同时,也会带来额外的能量消耗,如频谱感知过程中产生的能耗等。由于物联网终端设备一般采用电池供电,且自身电池容量有限,且更换电池需要耗费人力物力。射频能量收集技术能够收集周围基站发送的射频能源,为无线节点提供电能,能够有效解决物联网无线节点的能耗问题。本文将认知无线电技术与物联网相结合,研究在基于认知无线电的物联网中如何进行有效的频谱感知和频谱分配,通过确定最优的感知任务时长,感知任务分配及频谱分配方案,以获得最大的效益或能效;此外,还在认知物联网中引入射频能量收集技术,为无线节点供能,通过合理确定各环节分配时隙及发射功率,使系统能效最大。本文的主要研究如下:（1）构建了基于认知无线电的物联网频谱感知的系统模型,考虑系统频谱感知过程中能耗,提出了基于启发式算法的跨层多信道合作频谱感知方法,通过启发式算法确定最优的感知时长及感知任务分配方案,使系统能效最大。仿真结果表明,所提方法能够在降低运算量的情况下,获得较穷举法相近的系统能效,有效进行感知时长的确定及感知任务分配。（2）针对异构物联网中的网络结构特点,研究基于认知无线电的异构物联网中的频谱分配问题,通过引入信道粒度的概念,结合频谱感知的信息,综合考虑信道重叠、网络重叠、信道可用性等因素,提出基于遗传算法的频谱分配算法,合理分配可用频谱资源,有效避免网络间同频干扰,使网络效益最大。仿真结果表明,相比基于随机算法的频谱分配方法,本方法能够有效避免了物联网间的同频干扰,获得更大的网络效益。（3）将射频能量收集技术引入基于认知无线电的物联网中,使认知用户可将收集到的能量用作频谱感知和数据传输,研究认知物联网的资源分配问题,考虑各环节的能耗,提出一种基于遗传算法的认知物联网资源优化方法,在能耗等多重约束下,通过时隙和发射功率的联合优化,使系统能效最大。仿真结果表明,相比随机方法,本文算法能够获得更高的系统能效。