未来的无线通信网络已朝着通信速率更高、传输容量更大的多媒体通信方向发展,必将有大规模的频谱资源需求。实际,各种频谱效率提升技术均是在频谱无冲突,即用户间不存在频率干扰的条件下提出的。本质上说,频谱效率的提升是解决无线网络中用户频率干扰问题的。本文正是在这一背景下,提出认知网络中的干扰对齐技术及频谱共享拍卖技术。期望认知网络与这两项技术的结合能够最大化频谱效率。本文的主要工作如下：1.认知网络机会接入机制的研究传统认知网络中,认知用户只能接入主要用户的空闲频带,而不能同时与主要用户共享带宽。为了实现频谱资源更加有效的利用,本文提出了一种容量最优机会干扰对齐接入算法。该算法在保证主要用户信道容量的基础上,认知用户与主要用户可以占用相同的频带同时接入网络且认知用户对主要用户的干扰为零。所提出的算法由混合网络基站估计信道状态信息并计算主要用户的信道容量及系统总信道容量。根据容量最优的准则确定预编码向量及解码向量。当主要用户的信道容量与未接入认知用户时相比不下降,同时,总信道容量大于未接入认知用户时的总容量,此时,认知用户以容量最优机会干扰对齐的方式接入网络。仿真结果表明,在相同信道状态条件下,所提出的算法较现有算法具有更优的信道容量并可提高认知网络频带利用率。2.分布式干扰对齐与干扰抵消技术提出一种基于传输延时的干扰对齐算法。该算法将双天线基站的接收信号按照奇,偶时隙分离,从而将期望信号与干扰信号分离。一个双天线的基站可以同时支持3个甚至4个用户同时接入无线网络的上行链路。仿真了上行采用虚拟多输入多输出(Multiple-Input Multiple-Output, MIMO)系统的性能,即一个具有两天线的基站同时支持多个具有单天线的用户。进一步,提出了改进的传输时延干扰对齐算法及与之相适应的网络覆盖方案。该算法按照时间传输奇、偶顺序将来自不同发送端的信号分离。同时,依据高速铁路信号传输的特点,提出了分布式空间线性干扰对齐算法应用于车内接入系统。分析结果表明,基于干扰对齐的车内接入子系统信号传输理论值可以达到4个总的自由度。其系统误码率优于未采用干扰对齐的系统,且下行误码率的性能略优于上行。而基于传输时延的干扰对齐车地通信子系统可以同时支持两套车载设备接入网络且误码率性能优于未采用干扰对齐的系统。3.认知网络中继干扰对齐算法机会干扰对齐应用于认知网络可使主要用户与认知用户共用相同的频带同时传输信息,但机会干扰对齐需要主要用户完成信道预编码。提出中继干扰对齐算法应用于认知网络,可大大减少主要用户的系统负担。其预编码操作均由认知用户完成,主要用户无需感知认知用户的存在性。除此之外,分析并仿真了中继干扰对齐算法的信道容量。仿真结果表明,在认知网络下行链路应用中继干扰对齐算法,其主要用户及认知用户的信道容量无论在强相关性信道条件下还是弱相关性信道条件下,均优于传统的空间线性干扰对齐算法及机会空间正交干扰对齐算法。4.频谱拍卖与共享机制的研究在认知网络中,基于主要用户未全部占用可用频谱资源这一事实,可依靠认知无线电技术进行频谱资源的高效分配。频谱拍卖框架是一种高效的频谱动态接入的方式。从频谱拍卖的观点来说,多频带多用户拍卖成为频谱资源管理中新的挑战。本文提出了一种基于用户位置信息的多用户多频带拍卖框架,并与传统的二进制干扰模型拍卖框架做了性能的比较。仿真结果表明,本文所提出的算法,其主要用户通过出售空闲频带给认知用户,可以获得更高的系统总收益。基于位置信息的拍卖框架更具高效性和公平性。