认知无线网络是一种具有认知过程的网络,它考虑无线环境的信道特点、无线网络的拓扑特征及无线终端的业务特性,分辨当前网络状态,然后根据这些状态进行规划、决策和响应,同时网络能在自适应过程中不断学习,并将它们用于后续决策,形成认知循环,实现端到端效能的优化目标。认知技术是认知无线网络中最为基础与关键的技术之一,其中对频谱空洞的检测是认知无线网络认知技术的核心,是动态频谱共享技术能够实现的基本前提。本文重点研究了认知循环中知识对认知的反向指导作用,即通过对历史认知信息的学习,对后续认知时的参数配置进行决策,提高后续认知的效率,并以该思想为依据,提出基于协作频谱检测的数种智能优化算法,主要包括如下内容：首先,本文从系统级角度提出了利用多认知终端的整体检测能力,解决宽带协作频谱检测问题的方案,即联合频谱检测。联合频谱检测中的优化问题主要是针对不同认知终端对各信道检测能力的差异,对检测任务分配方案进行优化。当认知无线网络内的认知终端数多于认知频段内的信道数时,联合频谱检测可与协作检测相结合,通过为每个信道分配多个对其检测性能最优的终端,使系统的总体检测准确性最优化。本文第三章详细分析了这一问题,提出了一种迭代匈牙利算法与一种基于贪婪的分配算法,对这一问题进行优化求解。其次,针对认知无线网络端到端效能的优化目标,本文在第四章中提出面向认知用户业务质量(Quality of Service, QoS)优化的联合频谱检测方案。首先对周期性检测条件下,面向认知用户QoS优化的本地检测策略进行讨论,定义传输质量因子参数作为认知用户QoS在每一帧数据传输中的具体表现,将针对QoS的优化建模为针对每帧传输质量因子期望值的优化,推导传输质量因子同检测时长的关系,通过选取最佳检测时长对传输质量因子进行优化。而后继续讨论了在联合频谱检测环境下面向认知用户QoS的优化问题,针对认知无线网络中终端和信道的不同状态,提出利用将无业务终端对未利用信道的检测放至通信时隙之中的新检测时序方案,使得在检测时隙中所有认知终端可仅对正被认知系统利用的少数信道进行联合频谱检测,能够协作检测每个信道的终端数增多,从而可在更短的检测时长内得到可靠的检测结果,进一步提高认知用户通信的QOS。最后,本文利用传统协作频谱检测技术,对认知无线网络内认知技术中的重要问题——授权系统发射站的定位问题进行了研究,在第五章中利用传统协作频谱检测,即各认知终端周期性检测并上报1比特本地判决结果,认知基站作融合判决的协作检测方式所得的数据,通过评估各终端正确检测概率的方式来进行定位,使得定位工作无需给认知终端带来任何额外开销。另外,定位问题的模型中充分考虑了授权系统无法获知授权系统信号发射功率这一更为合理的设定,将授权系统信号发射功率作为另一待估参数,并在优化过程中消去。该章随后还给出了通过终端数据选取和加权,进一步提高定位准确性的算法。