针对频谱稀缺的问题,Joseph Mitola教授提出了认知无线电理论,以机会接入的方式处理频谱利用率不足的问题。然而,随着认知型无线设备的增加,设备对于能量的需求日渐提升,设备的续航时间受到影响,因此能量收集受到了研究者的关注。人们已经提出了多种方案,将认知无线电与能量收集相结合。然而,在现有的认知无线电能量收集模型中,频谱感知部分涉及较少,大多仅采用能量检测方案或直接设定检测概率。因此,本文将频谱感知算法实际加入到模型中,将改进模型细化为频谱感知能量收集模型。同时,针对能量检测方案受噪声不确定度影响较大的问题,本文采用双门限能量检测作为第一步检测算法,减少噪声不确定度带来的检测错误问题,并加入功率谱平均比值算法对双门限能量检测的阈间值进行再处理。相较于原本的频谱感知算法,改进的双门限功率谱平均比值能量检测算法的鲁棒性和检测率都有所提升。根据能量收集方式的不同,收集模式可分为时间切分和功率切分两种。利用多信道收集模型,可以将功率切分模型简化,无需加入能量分离设备。但是,多信道能量收集模型有着能量机会利用不足的问题。在传输时隙中,该模型仅仅进行数据传输,并未在主用户存在时收集能量,浪费了这些能量机会。本文利用混合能量收集模型补充了该模型数据传输时隙的能量机会,并针对高信噪比下频谱感知的能量浪费问题,重新加入分配比μ,利用存储-感知-传输模型代替功率分配模型避免加入能量分离设备使得结构过于复杂,保持了原本多信道能量收集模型的优势。经过改进,本文模型能够收集更多的能量以进行数据传输,当前帧的最大传输吞吐量平均提高3.51%。在频谱感知能量收集模型中,资源的分配是人们重点关注的问题之一。合理配置次级用户的感知时间、能量收集时间、数据传输时间以及传输信道能够有效保障次级用户的通信质量,并减少与主用户的冲突。但是,随着优化参数的增加,求解的复杂度急剧提升。本文针对穷举法步长过小时联合优化速度过慢的问题,提出了改进的联合优化算法:交替迭代优化-折半搜索-黄金分割搜索算法。该算法减少了运算次数,相较于穷举法或是原本的交替迭代优化算法极大提升了运算效率,并同时保障了检测率和虚警率满足约束条件,减少了对主用户的冲突率,是合理的次优解搜索算法。