目前,大多数机器对机器(Machine-To-Machine,M2M)频谱共享方案采用干扰消除法分离接收端混合信号,而频繁大量的使用训练序列会降低频谱共享效率。因此,在频谱共享系统中使用有效的信号分离技术以及无需使用训练序列的盲检测技术显得尤为重要。本文从上述两个重要技术入手,在基于M2M通信频谱共享的基础上做了如下创新工作:(1)为了避免使用训练序列导致的频谱共享效率降低等问题,本文第二章提出了采用复数系统Hopfield神经网络(Complex System Hopfield Neural Network,CSHNN)盲检测算法检测传统用户信号的M2M通信频谱共享盲检测系统。首先,在压缩感知技术下利用传输信号的冗余特性构建传统用户过完备表达式和M2M通信稀疏模型,接着利用凸优化求解M2M通信信号,从接收端去除求解出的M2M信号,留下的就是传统用户的接收信号,最后利用CSHNN盲检测算法恢复传统用户信号。仿真实验表明:在压缩感知技术下利用传输信号的冗余可以成功分离混合信号,CSHNN盲检测算法可以在不借用训练序列的条件下成功的实现传统用户信号的盲检测,而且算法时间复杂度较低,所需数据量短,对不同信道具有鲁棒性。(2)为了提高系统的抗噪性能和误码性能,本文第三章提出了基于信号空间删除法的复数系统Hopfield神经网络(Signal Space Cancellation-Complex System Hopfield Neural Network,SSC-CSHNN)盲检测算法。首先利用CSHNN盲检测算法从接收信号中恢复出传统用户信号,再采用信号空间删除法,即将恢复出的传统用户信号加入到噪声空间,重新构造补投影算子,从而构造新的带约束条件的二次型函数优化问题,最后利用CSHNN盲检测算法估计出M2M通信用户信号。仿真实验表明:信号空间删除法可以有效分离两种不同特性的混合信号,且SSC-CSHNN盲检测算法无论从误码性能、数据长度、抗干扰能力哪个角度都可以有效的检测传统用户信号和M2M通信信号。(3)为了进一步提高系统的抗躁等性能,本文第四章提出改进激活函数的SSC-CSHNN盲检测算法,并通过仿真实验对比选取合适的改进激活函数。同时,为了进一步提升系统算法收敛速度,引入双Sigmoid思想,提出基于信号空间删除法的双Sigmoid型复数系统Hopfield神经网络(Signal Space Cancellation-Double Sigmoid Complex System Hopfield Neural Network,SSC-DSCSHNN)盲检测算法,并通过仿真实验对比选取合适的双Sigmoid激活函数。仿真实验表明:改进激活函数的SSC-CSHNN盲检测算法在成功分离混合信号的基础上,能够有效提高网络的抗噪性能。在相同信噪比条件下,SSC-DSCSHNN盲检测算法在保证时间效率的基础上进一步加快了算法的收敛速度,优化了神经网络。