随着智能交通的迅速发展,车联网的通信需求也出现了几何式的增长,频谱资源面临着严重短缺。在车联网通信中采用认知无线电技术,可以使非授权用户在不干扰授权用户正常通信的条件下动态接入授权频段,能够充分利用频谱资源,从而改善频谱短缺的局面。城市交通中存在高密度车流的场景,使得车辆接收信号会经历相近的阴影衰落,让协作频谱检测得到相关性强的结果,损害了频谱感知性能,因此选取相关性弱的感知车辆进行协作判决十分必要。本文针对密集车辆场景下的协作频谱感知技术进行了研究,考虑配有单天线和多天线的密集车联网场景,分别提出了两种不同的协作频谱感知方案。主要成果概括如下:(1)针对单天线认知车联网场景,在城市高密度交通条件下,提出了一种利用车辆相关系数联合信噪比加权的车辆协作频谱感知方案。首先,采用密集车辆场景下的速度分布模型,考虑时间和空间频谱机会,建立了相关系数矩阵。其次,利用双门限能量检测技术,结合车辆相关系数与信噪比联合加权的方法,进行了车辆协作频谱感知。最后,在不同的信道条件和融合算法下完成了仿真验证。仿真结果表明,提出方案能够获得更好的检测性能。(2)针对多天线认知车联网场景,在城市高密度交通条件下,提出了一种利用车辆相关系数与接收信号协方差绝对值(CAV)联合加权的车辆协作频谱感知方案,有效改善了传统频谱感知方案中检测性能受噪声影响较大的问题。首先,通过比较基于能量检测、最大最小特征值检测、CAV检测和算术几何特征值检测四种单车辆多天线频谱感知算法的性能,确立了更适合多天线场景的CAV检测算法。其次,将CAV用于车辆本地多天线感知,借助能量检测的结果进行对比,提出了更有效的多天线车辆协作频谱感知方案。仿真结果表明,在检测概率相等的情况下,提出的协作频谱感知方案能够降低虚警概率。