智能交通的快速发展对车联网的安全业务及娱乐服务提出了更高的要求,使得车联网面临着通讯需求的爆发式增长以及频谱资源的严重短缺。认知无线电(Cognitive Radio, CR)技术允许认知用户(Secondary User, SU)在保证授权用户(Primary User, PU)通信的基础上动态接入授权频段,从而充分利用频谱资源、缓解频谱短缺问题。频谱感知是认知无线电的关键技术,认知用户通过感知结果判断授权用户是否存在,频谱感知的性能将显著影响认知网络的性能。因此,认知无线电频谱感知技术在车联网领域的应用受到了广泛关注。随着城市的发展,交通流量逐年增长,高密度车流成为时下交通的主要场景,因而密集车辆场景下的认知车联网(Cognitive Vehicular Networks,CVN)频谱感知研究十分必要。论文选题来源于国家自然科学基金项目“密集异构无线环境下极化资源感知与利用研究”(项目编号:61571062)与北京市支持中央高校共建项目“基于认知无线电的公交车联网应用技术开发”。本文基于节点移动性、相关性和空-时频谱机会对车辆密集场景下的认知车联网频谱感知性能展开分析,并基于分析结果,在密集车联网场景下提出合作频谱感知算法以降低用户相关性对频谱感知性能的影响,同时减小系统开销。论文主要研究内容如下:(1)论文总结并分析了认知车联网及频谱感知的研究背景与关键技术。指出在车辆密集场景下,认知用户相关性、车辆移动模型、空-时频谱机会及合作频谱感知算法是影响频谱感知性能的关键因素。(2)针对现有认知车联网在车辆密集场景下相关研究的匮乏,本文围绕车辆密集场景下的认知车联网频谱感知性能展开了理论推导及仿真分析。本研究通过对车辆行驶数据的统计分析得到密集车辆场景下的速度分布特征,建立车辆密集场景下的车联网移动模型。随后,引入相关性系数矩阵,综合考虑时间频谱机会与空间频谱机会,理论推导在移动场景下频谱感知的检测概率、虚警概率与感知能力,并分析平均速度、车流密度、授权用户到达率等参数对频谱感知性能的影响。理论推导与仿真结果表明,在车辆密集场景下,认知用户相关性是影响频谱感知性能的重要因素。(3)针对密集车辆场景引入的认知用户相关性及巨额的系统开销,本文提出了基于用户相关性与双门限的认知车联网合作频谱感知算法。首先,提出改进的双门限判决方法降低系统开销。随后,提出基于用户相关性的合作频谱感知算法,增加合作频谱感知的空间分集增益,从而提升算法性能。理论分析与仿真验证了本算法能够在保证认知车联网合作频谱感知性能的基础上有效降低系统开销,且相比传统算法在性能上的增益随着车流密度的升高而增大,因此该算法适用于车辆密集的车联网场景。