专网物联网（Private-IoT,P-IoT）是面向专网行业用户提出的窄带物联网传输体制,具有高可靠性、强覆盖能力和低功耗等优点,支持对现有的无线语音专网进行IoT数据增强,具备很大的应用潜力。然而海量的P-IoT接入及数据传输需要更多的频谱资源,给有限的专网频谱资源提出了新的增量需求。另一方面,目前1GHz以下（sub-1GHz）的专网频段中普遍存在频率利用不均衡、时域频谱空洞多、整体利用率不高的现象。如果P-IoT可以在不干扰主用户通信的前提下利用频谱空洞传输IoT数据,就可以大幅提高sub-1GHz频段整体利用率,发掘更大的价值。本文研究了适用于P-IoT终端侧的本地频谱感知以及对不同专网通信系统进行体制识别的系统辨识技术,使得P-IoT终端能够通过频谱感知技术获取当前时空的频谱忙闲信息;通过系统辨识技术获取当前时空的专网体制信息,为P-IoT利用空闲频谱提供支持。本文首先分析了目前专网通信系统的现状,介绍了P-IoT体制,在此基础上结合认知无线电理论设计了P-IoT利用语音专网空闲频谱的认知框架模型。在频谱感知方面,本文对比分析了频谱感知常用的能量检测、匹配滤波检测和循环平稳特征检测三种方法在P-IoT场景中的适用性。依据P-IoT终端对功耗和先验信息的要求,选择能量检测作为检测算法并仿真分析了其检测性能。在系统辨识方面,本文通过改变零中频接收机滤波带宽计算能量比的方式,实现了对宽带专网信号和窄带专网信号的辨识。对于窄带专网信号,本文从调制方式入手,设计并对比分析了三种识别方法:基于高阶累积量和频偏样本方差的识别方法、基于BP（Back Propagation）神经网络的识别方法和基于卷积神经网络（Convolutional Neural Networks,CNN）的识别方法,实现了对陆上集群无线电（TErrestrial Trunked RAdio,TETRA）、警用数字集群（Police Digital Trunking,PDT）、数字专用移动无线电（digital Private Mobile Radio,dPMR）三种专网体制的识别。仿真结果表明,基于神经网络的窄带专网辨识方法相较于特征提取分类判决的辨识方法在低信噪比下具有更好的识别性能。本文得到的频谱感知和系统辨识结果用于P-IoT系统进行后续的频谱分析、频谱决策等环节,形成最终的空闲频谱利用策略。同时,本文的研究成果也可以为P-IoT体制在频谱共享方面的技术研究和标准制定工作提供参考。