智能交通系统(Intelligent Transportation System,ITS)的快速发展对车联网提出了更高的要求,车辆部署的各种传感器需要实时传输大量的传感信息,同时各种车联网服务(包括交通安全类、交通效率类、车辆信息类和车载娱乐类等)爆发式增长,这都需要车辆通信能够支持Gbps的数据速率,但是分配给车联网的无线频谱资源由于带宽受限无法满足要求,而位于10GHz-300GHz频段的毫米波具有大带宽的特点能够支持高数据速率和低延迟的传输,因此毫米波通信成为未来车联网通信的关键候选技术。固定的频谱资源分配方式不能充分利用毫米波频谱资源,使用认知无线电(Cognitive Radio,CR)的频谱感知技术能够获取频谱空闲/占用状态以实现动态频谱共享,提高频谱资源使用效率。因此,在使用毫米波通信的车联网中对频谱感知的研究十分必要。论文选题来源于国家自然科学基金项目“密集异构无线环境下极化资源感知与利用”(项目编号:61571062)。本文基于毫米波信号不同于低频段信号的特点以及车联网中的车辆移动性对认知车联网中的毫米波频谱感知展开研究,分别提出了用于本地感知的基于相关性的毫米波频谱感知算法和用于合作感知的基于最优合作用户与D-S(Dempster-Shafer)融合的合作感知算法。本文的主要研究内容和贡献如下:针对现有的毫米波频谱感知算法未能根据毫米波信号特点进行建模且难以适应车联网的移动性的问题,本文提出了一种基于相关性的毫米波频谱感知算法。根据毫米波的波束成形技术、毫米波的干扰-噪声受限特点分析认知用户接收信号的形式,建立频谱感知二元假设模型,采用似然比来推导检验统计量。然后根据车辆移动性带来的相关性构建新的观测量,并推导新的检验统计量,实现基于多次感知周期检验统计量的检测。从理论上推导该算法所能实现的虚警概率、检测概率。最后通过MATLAB仿真验证所提算法的性能,并与已有的基于随机过程的毫米波频谱感知算法性能进行对比分析。在本课题的仿真场景中,所提的基于相关性的毫米波频谱感知算法在信噪比为0dB时能达到0.99的检测概率。针对现有的合作毫米波频谱感知算法难以正确选择出合作用户且不能应对本地感知不确定性的问题,本文提出了一种基于最优合作用户与D-S融合的合作频谱感知算法。首先,根据认知用户的感知信号相似度以及群移动模式相似度对合作用户进行筛选,以群移动模式相似度为限制条件,最大化合作用户的感知结果相似度来建立最优合作用户选择的优化问题,通过自适应遗传算法求解出合作用户组。随后,基于噪声和干扰的不确定性计算各合作用户的本地感知不确定性,融合中心根据此不确定性通过D-S融合方法进行融合并做出全局判决。最后,通过MATLAB仿真验证所提算法的性能,并于已有的合作毫米波频谱感知算法进行对比,在本课题的仿真场景中,所提的基于最优合作用户与D-S融合的合作频谱感知算法在信噪比为-10dB时能达到0.90的检测概率,信噪比在-5dB时能达到0.99的检测概率。