全球通信产业正面临着前所未有的扩张和结构上的挑战。科学家和学术界已经达成的共识:频谱是有限和稀少的资源。因此世界各地的监管机构,科学家,开发商和服务提供商一起为建立一个更加灵活的频谱使用而寻求更有前景的方案。新的技术应用和设备的出现,以及现有技术设备的扩展,这些变化使得通信产业对于无线频谱的需求大大增加,但是也导致了频谱和无线网络的过分拥塞。带宽的缺乏一直是多年来无线通信高速发展的瓶颈。　　认知无线电,被认为是最新的一项智能无线电技术,可以使非授权的用户随机地使用授权的频段,这项技术被认为是可以解决频谱拥塞的有效方法。因为认知无线电可以智能的检测到未使用的频谱而且不会对授权用户产生干扰,因此被看作是一项非常领先的技术。认知无线网络的引入不是为了替代和竞争,而是对现有工作在授权频段的无线通信网络的补充,并能够提高用户的服务质量(Quality of Service,QoS)。频谱利用率和效率可以通过使认知用户和未授权的用户在正确的位置和时间接入授权用户不占用的频段而得到提高。对于要提供用户服务质量的系统来说需要一些可靠的感知技术,从而准确感知到网络中的空闲频段。　　本文理论主要是建立在认知无线电技术基础上，目的在于为频谱的感知和共享提供一些新的方案。我们提出了一个新的算法——频谱分配中的非监督合作感知学习算法(Unsupervised Cooperative Sensing Learning Algorithm in Spectrum Allocation, UCLASA),此算法是建立在Kohonen的非监督学习过程上的。本文算法能够在认知无线电网络中自组的进行合作频谱感知,并且具有以下四个特点:第一,我们使用了Bresenham环算法通过Bresenham圆周计算基站和节点之间的距离。第二,确定在感知过程中的能量消耗。第三,我们说明了认知无线电在合作中的好处:当网络中的所有节点都共享同一个信息时,并且此信息是由一个节点或者多个节点发送,被群组合作的节点接收,可以有效地减少探测时间,节省能量消耗,减少错误探测概率,进而提高灵敏度。第四,我们通过非监督学习神经网络构建了本文的认知网络。最后将我们的算法与Kohonen的非监督学习进行了比较,观察哪种算法可以提供更好的结果。我们还同时提出了一个实用的算法,提供随机网络中的合作。