随着无线通信业务的迅速普及,无线频谱资源的稀缺日益明显,如何有效利用有限的频谱资源成为急需解决的问题。认知无线电能够智能感知无线环境中授权用户未占用的频段以供非授权用户使用,从而极大地提高频谱资源的利用率。非连续正交频分复用(NC-OFDM)通过感知频谱对子载波实现自由关闭和分配,是认知无线电系统的物理层最佳实现方式。本文围绕认知NC-OFDM系统的峰均比降低技术开展研究,主要研究工作包括:1.研究了认知NC-OFDM系统模型及技术优势,理论分析了认知NC-OFDM系统的PAPR概率统计特性,比较了信号预畸变、编码类和概率等传统的PAPR降低算法,并进行了仿真分析。2.针对传统交织分割PTS算法降低PAPR性能较差问题,提出一种改进的交织分割PTS算法,该算法通过对输入的频域数据交织分组的基础上再进行随机分割,减少了系统子载波序列的相关性。仿真结果表明,该算法能更有效地降低系统的PAPR,并且其计算复杂度也得到了改善。3.针对传统ACE算法收敛速度较慢的问题,提出一种基于预扩展的ACE-PTS算法。该算法利用加权系数对星座点进行预扩展,从而减少星座点的迭代次数,并可保证星座点映射到可扩展的区域内。仿真结果表明预扩展ACE-PTS算法能达到有效降低系统PAPR的效果,其计算复杂度不会增加。