无线频谱作为无线通信的“血液”,是一种不可再生的宝贵自然资源,随着无线通信技术的高速发展以及无线业务的爆炸式增长,频谱资源匮乏已然成为一个十分严峻的问题。认知无线电技术通过对未充分利用的授权频段进行“二次利用”,能够更为高效合理的利用频谱资源。频谱感知技术是认知无线电中的首要任务和关键技术,传统感知算法往往只考虑对单个窄带信道进行检测,这使得频谱感知效率低下。多信道感知可以解决许多单信道感知中棘手的问题。首先,目前的授权系统大多为宽带系统,以IEEE802.22为例,每个电视信道带宽为6MHz,而其中无线麦克风信号仅占用200KHz带宽,若该信道中只存在无线麦克风信号,如果采用单信道感知策略,则整个信道将被认为处于占用状态,这将大大减少认知无线电利用空闲频谱的机会。其次,当授权用户重新占用信道时,认知无线电需进行频谱的无缝切换,因此认知无线电需要许多备用的信道,采用多信道感知可满足该要求。再者,认知无线电为了获得较高的吞吐率进而保证一定的QoS(Quality of Service, QoS),其往往需要较大的带宽进行数据传输。最后,在合作感知中,由于多个认知无线电可共享感知结果,如果每个认知无线电感知部分频谱,通过信息共享则可达到对所有信道感知的效果。因此本文研究内容主要关注认知无线电多信道频谱感知方法,主要贡献如下：1)由于多信道联合感知问题大多为非凸问题,研究人员提出采用遗传算法对该问题进行求解。但是遗传算法仍具有诸如局部搜索能力较弱、易早熟收敛、后期搜索缓慢和需要调整的参数多等缺陷。针对该问题,本文提出了基于免疫克隆的多信道联合感知算法。实验结果表明：所提算法在收敛速度以及稳定性上均明显优于已有的基于遗传算法的感知方法,并且所提算法在对主用户造成相同的干扰条件下能提供更高的系统总吞吐率,并且随着信道数目的增加,系统性能改善更为明显。2)多信道联合感知问题由于具有非凸性使得求解困难,凸优化方法只能求得该问题的次优解,而智能算法(遗传算法或免疫克隆算法)作为一种随机算法,并不能保证找到全局最优解。针对该问题,本文首次尝试用确定性全局优化方法对该问题进行求解。该问题首先被转化为单调优化问题,进而提出一种基于单调优化框架的凸松弛分支定界(BRBCR)算法。实验结果表明,所提算法较传统的凸优化方法可大幅度提升系统性能,收敛速度较PA(Polyblock Algorithm)以及传统的BRB算法提高了2个数量级,即使信道数目多达16,收敛精度为10-6,该文算法16秒内即可收敛。且算法收敛时间并不随信道数目增加和收敛精度的提高而显著变化,因此本文算法可应用于大规模、高精度多信道联合感知问题的实时求解中。此外,该算法还可为其他算法提供基准,对这些算法性能进行评估。3)传统的多信道频谱感知与功率分配联合优化方法往往忽略SU与PU共存时SU所获得的系统吞吐率,而当PU对干扰容忍能力较强时,忽略该部分吞吐率将使得系统性能有较大损失。另外,由于频谱感知与功率分配联合优化问题中存在耦合约束,而传统的迭代优化算法并未考虑这点,使得当该耦合约束较为严苛时算法所求得的解较差。针对上述这些问题,本文提出了基于罚框架DC规划的多信道频谱感知与功率分配联合优化方法。实验结果表明,本文所提算法较传统联合迭代优化算法性能有较大提升。4)传统的多信道频谱感知与资源分配联合优化方法往往将信道的香农容量作为优化目标,并没有考虑实际通信系统的复杂性,香农容量只能作为数据容量的上限,而数据容量往往还受限于BER以及编码方式。针对该问题,本文提出了基于平均BER约束下的多信道频谱感知与比特分配联合优化算法。采用基于罚框架DC规划的迭代算法对该问题进行求解,实验结果表明,本文所提算法较仅仅进行比特优化方法可有效提升系统性能。另外,通过实验发现了认知系统吞吐率随着主用户信号信噪比增长出现先增后降的现象。5)由于传统频谱感知调度方法中未曾考虑信道占用相关性,本文提出了基于信道占用相关性的频谱感知调度方法。该问题被建模为一非凸问题,首先对该问题进行降维,然后采用前文中所提出的免疫克隆算法进行求解。实验结果表明,本文所提方法较传统的频谱感知调度方法在性能上有大幅提高,且随着信道之间相关性增强,本文算法优势更加明显