随着大量新的无线通信系统的出现,使得对于无线电频谱的需求剧烈增长,频谱资源愈加稀缺。认知无线电通过使非授权用户可以动态地访问频谱空穴,提高了频谱利用率,这项技术已经变得越来越吸引人。为了扩展认知无线电的应用,使每个认知终端能够感知与其共存的授权用户,并提取其物理层和MAC层信息,包括对授权主网络的MAC协议类型的识别,对于理解无线电使用场景变得很重要。大多数现有的MAC协议根据传输机制可以分为两类,基于竞争的MAC协议和基于控制的MAC协议。基于竞争和基于控制的MAC协议之间一个明显的差别是基于控制的MAC协议可以有效地避免由于多个用户同时传输造成的碰撞。根据这个特性可以对分别采用两种不同传输机制的授权网络的MAC协议类型进行识别。为了识别基于竞争和控制的主网络MAC协议,本文选择认知终端接收到的信号能量均值和方差作为特征,使用支持向量机利用机器学习算法对分别来自两个网络的数据进行分析,仿真结果表明在单天线环境中基于能量特征的MAC协议识别算法能够很好地对两个网络的MAC协议进行识别。在此基础上,把本文的算法扩展到多天线环境中,仿真结果表明基于能量特征的MAC协议识别算法在多天线环境下比单天线环境下具有更高的识别准确率。为了进一步提高算法的识别准确率,对接收信号进行特征值分解,用得到的特征值作为支持向量机的特征进行MAC协议识别,结果表明基于特征值的算法具有更好的性能。