频谱感知作为实现频谱资源高效利用的关键技术之一,在非授权频段新空口（New Radio in Unlicensed Spectrum,NR-U）等场景中已有广泛应用。而非授权频段下多种体制信号共享频谱的关键在于信号的辨识分类。随着无人驾驶、多车互联等新兴业务的快速发展,基于认知无线电（Cognitive Radio,CR）的频谱感知和信号辨识分类已经难以满足目前通信系统的感知要求,迫切需要对感知通信进行深度的协同融合。利用NR通信信号进行环境感知,可以进一步提高资源利用效率,实现环境感知与数据通信的双重功能。本文聚焦于感知与通信的协同融合,结合认知无线电与深度学习等技术,从频谱感知、信号感知、环境感知三个方面对感知通信协同的关键技术展开研究。首先,本文进行了频谱感知的设计与实现。为了实现对频谱环境更加高效的感知,基于通用软件无线电外设（Universal Software Radio Peripheral,USRP）和GNU Radio,设计了一种多节点频谱感知方案,验证了一秒内对3 GHz带宽进行频谱感知的能力,并对感知时间进行了分析。其次,本文针对非授权频段下多种制式信号共存的场景,构建卷积神经网络模型,对多种协议制式信号的辨识分类方法进行了研究。对非授权频段内共存的无线局域网（Wireless Local Area Networks,WLAN）信号、4G授权辅助接入长期演进（Long Term Evolution Licensed Assisted Access,LTE LAA）信号和5G NR-U信号进行了训练分类,分析了数据集大小和信道对分类准确率的影响,比较了不同制式信号的特征。对WLAN、LTE LAA和蓝牙信号干扰下的NR-U信号进行了分类辨识,分析了不同制式干扰对NR-U信号的影响。针对非授权频段通信场景下信号接入的问题,考虑到传统授权频段下,初始接入的相关参数与所处的固定频点密切相关,导致传统授权频段下初始接入的方式在非授权频段并不适用,提出了一种基于深度学习的NR-U小区搜索方案。通过提取同步和系统信息块（Synchronization Signal/Physical Boardcast Channel Block,SSB）中几个重要参数,对其进行分类辨识,确定小区搜索关键参数,以完成5G NR-U小区搜索。结果表明,在信噪比良好的条件下,SSB分类准确率可以达到100%,能够解出系统主信息块（Master Information Block,MIB）和系统信息块1（System Information Blocks 1,SIB1）,完成小区搜索。最后,本文考虑利用5G NR通信信号增强环境感知的能力。对5G NR主同步信号（Primary Synchronization Signal,PSS）、辅同步信号（Secondary Synchronization Signal,SSS）、正交频分复用信号（Orthogonal Frequency Division Multiplexing,OFDM）和非连续正交频分复用信号（Non-continuous Orthogonal Frequency Division Multiplexing,NC-OFDM）的模糊函数性能进行了分析比较。对5G NR不同参数集下的OFDM的通信感知性能进行了分析比较,结果表明,随着NR子载波间隔的增大,对不同目标的距离分辨能力更好,但最大探测距离越来越短。对5G标准中的SSB进行了研究分析,给出了其适用于增强环境感知的理由。最后,搭建了通信感知一体化系统仿真模型,使用NR PSS、SSS、OFDM和NC-OFDM波形进行了目标探测仿真,结果表明,这几类信号能够很好的完成环境中的目标探测。