本文研究了认知OFDM系统中的节能关键技术。认知无线电作为提升频谱利用率的重要技术,得到了学术界的广泛关注。认知无线电与OFDM技术均为新一代无线通信系统的关键技术,所以认知OFDM系统是无线通信体制的发展方向。另一方面,在认知系统中,由于认知设备需要为频谱感知消耗额外的能量,如何在认知OFDM系统中实现节能通信是一个亟待解决的学术问题。首先本文研究认知OFDM系统中的快速资源分配问题。以认知系统容量最大化为目标的研究中,已有最优资源分配算法主要采用复杂度较高的迭代收敛方案,会导致很长的运算时间,故而不适合应用在实际场景中。本文提出了基于连续“帽限”注水算法的分配方案,可以快速获得容量最大化的资源分配结果。提出的方案首先将初始问题分解成一系列子问题,再利用注水算法快速得到子问题的最优解,并在逐一解决子问题的过程中满足原问题所有的约束条件。仿真结果证明:提出的算法可以在仅损失不到5%性能的情况下,提升两个量级的计算速度。然后本文重点考虑面向信息与能量同时传输的认知OFDM系统,并将优化目标着眼于系统能量效率的最大化。信息与能量同时传输的携能技术基于电磁波作为信息与能量的双载体属性,可以帮助接收机从接收到的信号中收集能量。本文将功率分割的携能结构应用到认知OFDM网络中,优化目标为以“比特每焦耳”作为度量的系统能量效率,提出了最优的功率分配和携能功率分割因子方案。能效函数的分式结构,以及功率分配与功率分割因子之间的耦合关系造成了优化问题的非凸性,本文利用分式规划和近似的方法将原始问题转化为等效的凸问题,建立二者最优解之间的迭代关系,利用凸优化算法获得了最优的资源分配方案。仿真结果证明:本文提出的算法在高信噪比时接近最优值,并且相比其他算法具有显著优势。接下来本文研究了利用循环前缀作为能量来源的认知OFDM携能系统。循环前缀是OFDM系统中用于消除符号间干扰和载波干扰的重要部分,但是在传统的接收机结构中被直接丢弃,造成了能量浪费。本文利用OFDM系统的原生结构,将循环前缀作为能量收集的来源,设计了新型携能结构,并将这种结构集成在认知OFDM系统中。以系统能量效率作为优化目标,在保证收集到的能量足够接收机自身消耗的情况下,力求找到最优的循环前缀长度和子载波功率分配方案。由于循环前缀长度会影响认知系统干扰约束的计算,并且无法用闭式表达式表示,本文通过穷搜法获得最优的循环前缀长度,然后用分式规划和凸优化方法解决功率分配问题。仿真结果证明了提出算法的最优性,同时相比传统OFDM系统,利用循环前缀携能的方案可以带来系统能效上的很大提升。