频谱感知是认知无线电的基础和前提，它既要保证在不影响授权用户正常使用的情况下，认知用户充分利用授权频段传输信号，又需要保证整个认知网络中的认知用户不会出现使用空闲频段上的冲突。频谱感知性能与系统吞吐量的关系，是频谱感知研究领域的一个重要研究方向。认知系统的吞吐量和干扰量都受门限向量的影响，它们存在着这样的关系：随着门限向量的变化，认知系统吞吐量越大则干扰量也会越大。针对目前OFDM系统多带联合频谱感知中门限向量优化方法存在收敛速度慢，收敛精度不高的问题，本课题提出了一种基于差分进化算法的门限向量优化方法，根据OFDM系统的多载波数字调制原理以及良好的频率选择性能，充分利用了差分进化算法收敛速度快、全局寻优能力强的特点，保证了在一定的主用户干扰限制下，充分考虑各子信道信息，获得各自最佳的门限向量。实验结果表明，本课题所提出的算法解决认知用户吞吐量和干扰量权衡问题时，在收敛时间和收敛精度上较遗传算法都有明显提高，在干扰量一定的情况下，使认知系统总吞吐量最大化。在固定帧长下，感知时间的长短直接影响到认知用户的有效吞吐量。针对目前研究感知时间和有效吞吐量权衡问题的方法存在收敛速度慢，且实时性差的问题，本课题提出了一种差分进化算法用于有效吞吐量的优化，利用差分进化算法参数少、操作算子简单、全局搜索能力强和收敛速度快等优点，保证了在固定帧长下，快速寻找到最优感知时间，使认知用户吞吐量达到最大。实验仿真表明，在同等条件下，本课题提出的差分进化算法处理认知用户吞吐量与感知时间权衡问题时，能使认知用户吞吐量达到接近理论值的精度，且收敛速度明显优于目前最好方法Monte Carlo方法。