在认知无线电网络领域中，协作频谱感知一直是研究重点。理论上，协作感知提升了感知性能的可靠性，但同时增加了网络吞吐量。目前的文献表明，大多数研究采取一种默认的协作行为：认知无线电用户（cognitive radio，CR）对接收到的协作请求不具备分辨性，一旦被要求合作则无条件接受协作请求。这种利他性的协作行为缺乏现实意义：无线设备的电量有限，没有能力负担起所有协作行为。另外从安全角度考虑，CR也没有道理对合作的设备不加以评估。于是，本文描述了一种标准，令CR有条件得进行协作感知行为。　　本文提出一种基于CR社交关系的协作感知方案（social-based cooperative sensing，SBC），利用CR间的社交关系作为决策准则。不同于过去的CR协作感知模型，本文将一个社交网络图赋予给 CR用户，令它们之间具有一定的社交关系，以此作为CR协作感知的背景条件。在SBC系统中，CR筛选出优质协作者，降低自己被拒绝的概率，同时获得高质量的感知性能。与传统的无条件协作相比，SBC是更具有现实意义的协作感知模型，引入社交性质的模型更贴近下一代认知无线电网络范例。　　随后，本文展示了SBC与随机选择协作者的协作感知模式（RAND）间的仿真对比，在充斥恶意用户的网络环境中，SBC在空闲信道检测率，协作请求被拒率等方面均优于后者。SBC有能力区分恶意用户，避免与其合作，并且为了维持感知性能，增加本地感知比例来抑制无意义的系统开销。　　另外，SBC表现出了一种学习机制。在每一次协作感知事件结束时，CR将评估协作者的感知能力，作为下一次筛选协作者的依据。因此，随着协作行为的深入，CR辨别优质协作者的能力不断提升。　　本文使用了小世界网络及无标度网络等人类社会常见的网络结构来模拟CR的社交网络，另外设计了CR的移动模型，目的是增加系统的现实特性。仿真结果显示，朋友多的CR拥有资源更多，协作性能稳定，效率更高。总体上，本文提出的SBC系统能够反映出与人类社交模式类似的CR协作行为模式，CR的不同特性也导致了协作感知性能的差异。目前将社交概念应用到认知无线电领域的研究不多，虽然设计的SBC系统尚有进步空间，本文也希望在这一研究方向上分享一些经验。