随着用户对无线通信需求的大量增加,现有的稀缺的频谱资源正受到日益严峻的挑战,而对于私有频谱和公有频谱的不合理划分,使得该问题雪上加霜。针对该问题,Joseph Mitola在1999年出了认知无线网络的概念,即一些次用户(Secondary User, SU)通过寻找“频谱空穴”、使用天线阵列做波束成形(Beamforming, BF)等手段,在不干扰主用户(Primary User, PU),或者对主用户的干扰小于一定的阈值的情况下进行通信。对于SU的这种通信需求,BF技术正好合适。BF是指多天线联合起来形成天线阵列,通过调整每根天线的复加权系数来改变不同位置的接收信号强度(Receive Signal Strength, RSS),使某些位置的RSS较高的同时,某些位置的RSS较低。SU使用BF技术后,可以使接收端SU的RSS尽量提高的同时,对PU的干扰RSS减小到阈值以下。BF又分为集中式波束成形和分布式波束成形(Distributed Beamforming, DBF)。其中DBF是指一群配备单天线的SU联合起来形成虚拟的天线阵列来做BF。DBF的好处是设备硬件复杂度低,一个终端最少配备单天线即可,使得一群小型终端集群联合做DBF成为可能。DBF和BF最大的不同就是大线是分散在一群SU集群上的,而不是集中在单一SU上。由于多根天线配置在不同的SU上,所以每根天线发送信号的载波由各天线不同的本地振荡器(Local Oscillator, LO)产生。如果不做相位同步,SU集群发送的信号到达接收端SU后,可能会由于载波相位不同步的原因,使得信号会相互抵消,因此,接收端SU的RSS可能不能达到阈值。不仅如此,在认知无线网络中还需要考虑SU集群做DBF时对PU的干扰。所以在认知无线网络中做分布式波束成形是比较复杂的。本文着重对认知无线网络中分布式波束成形的相位同步算法进行研究,研究在认知无线网络中如何高效、快速地地进行相位同步。首先提出GAP (Gradually Adjust Phase)目位同步算法,该算法可以用于非认知无线网络,该算法时隙开销少、能量消耗少、同步算法简单,相比过去的相位同步算法有很大的性能改善。然后提出RRI (Rapid Reduce [nterference)抑制干扰算法,当SU使用GAP算法和RRI算法组合在认知无线网络中做DBF时,能让接收端SU的RSS较高的同时,有效抑制对PU的干扰。