随着无线通信技术的快速发展以及无线应用的不断扩增,无线通信网络的频谱和能量资源变得愈发珍贵,而频谱和能量是实现无线通信的两个最基本的物理资源。因此,本文考虑在认知无线传能网络(Wireless Powered Communication Network,WPCN)中将频谱感知技术与能量收集技术相结合,并提出一种能量和频谱联合收集方案,以最大限度地利用这两种资源并同时提高频谱效率和能量供应能力。首先,本文考虑工作在半双工模式下的认知混合接入点(HAP),该认知HAP顺序执行频谱感知、能量广播和信息接收。针对该场景,本文提出联合优化框架以获得最优的认知检测门限和资源分配。由于该联合优化问题是NP-hard问题,本文将原问题分解并设计一种有效的交替迭代算法。接下来,为了进一步提升频谱效率,本文考虑全双工认知HAP场景。课题发现用户在基站全双工模式下传输数据的顺序对其能量收集性能有较大影响,因此本文设计了基于动态用户排序的交替迭代算法进行联合优化。在传统认知无线传能网络中,由固定基站执行下行传能以及数据接收等工作,然而,其存在的能量远近效应可能导致不同位置的能量收集器之间的性能严重不平衡。考虑到无人机具有灵活的移动性,可以提升覆盖率、快速有效地部署以支持蜂窝网络并提高其服务质量,所以在新一代认知WPCN中,可以考虑使用无人机基站代替传统固定基站进行下行传能及数据收集,充分利用无人机的移动特性,将原问题拓展到无人机基站场景。针对该场景,本文设计了无人机飞行轨迹,并提出了融合所有停驻点的交替迭代算法。通过仿真发现,对于半双工和全双工认知HAP、以及无人机移动基站场景,所提出的能量和频谱联合收集优化方案都能够保证快速收敛,所提方法与对比方案相比,系统容量提升明显。