认知无线传感器网络CWSN是在传统的无线传感器网络中引入认知无线电技术形成的智能网络,网络的节点具有认知功能,能够检测周围的空闲频谱,然后机会接入空闲频段,以便快速完成无线通信任务,及时传递众多节点感知的环境信息,从而解决了制约无线传感器网络发展的频谱资源紧张问题。与传统的无线传感器网络一样,认知无线传感器网络也存在节点能力弱、能量有限的问题,不能直接使用传统认知无线电的频谱感知技术,需要设计更加节能更加高效的频谱感知算法。本文提出了一种基于DS证据理论的协作频谱感知优化方案。基于DS证据理论的协作频谱感知方法能够大大提高系统的检测性能,然而现有方法要么需要传输较多的信任度数据,要么为了减小认知用户SU向融合中心FC发送的比特数,需要大大增加SU计算量,这并不适用CWSN。本文提出的方案是在本地感知时,对节点的信任度进行双门限判决,去除可靠性较低的SU,从而减小传输信任度数据的SU数量,该方法相比基于信任度的经典检测方法,显著减少了传输数据量,同时相比基于复杂运算减少传输数据量的方法,同样达到减少传输数据量目的,但却不会增加SU额外的计算量,这对能量有限、计算能力较弱的CWSN中的SU至关重要。仿真结果表明,只要选择合适的门限因子,确定合适的门限值,双门限DS融合方法可以在不增加SU复杂计算的情况下,保持非常高的检测性能,同时减小SU向FC发送的比特数,从而减小SU的能耗。同时,考虑到CWSN节点能有限,本文提出了一种分簇认知无线传感器网络中能耗均衡的优化方案。针对汇聚中心附近节点因为需要转发数据而导致能耗过大的问题,本文结合LEACH协议和HEED的优点,提出了双重分簇算法。该算法的思想是:先根据节点的剩余能量和到汇聚中心的距离,选举出非均匀分布的转发簇头,再根据LEACH协议选举出感知簇头,然后普通节点加入到感知簇头中,形成感知簇,最后感知簇头加入到转发簇头中,形成转发簇。感知簇头主要负责收集簇内节点的感知数据,而转发簇头主要负责转发簇内的数据。该算法簇内采用单跳传输,簇间采用多跳传输。同时,该算法采用频谱感知技术寻找不同的空闲频谱,减小各层网络间的干扰和信道冲突。因为转发簇头的分布与到汇聚中的距离有关,越靠近汇聚中心的转发簇头数量越多,那么单个转发簇头要承担的转发任务就会大大减轻,能耗也会大大减小,从而使整个网络的能耗更加均衡。仿真实验表明,本文提出的双重分簇算法能使网络中节点的能耗更加均衡。