随着无线技术的飞速发展，人们对宽带无线业务的需求不断增加，频谱作为不可再生的宝贵资源正逐渐变得短缺。一方面，频谱供需的矛盾日益突出；另一方面，在当前的频谱管理策略下，己分配频谱的利用率又极其不足。在这一背景下，认知无线电技术应运而生。认知无线电是一种新兴的无线通讯技术，其目的是有效利用空闲频谱，提高频谱利用率。认知无线电的关键技术可以概括为频谱感知、频谱共享和频谱管理三个方面。频谱感知获取周围无线环境用户存在与否及频谱空洞等信息，认知无线电通过这些信息自适应调整通信参数，来达到频谱效率最大化的目的，同时不对授权用户造成有害干扰。频谱共享是指通过对频带在时间上或空间上的调度，使得多个无线通信系统能够在互不干扰的前提下通过同一频谱进行通信，从而使频谱效率最大化。CR的目标是为认知用户提供满足QoS要求的最佳可用频谱进行通信。要在所有可用频带中判断出性能最好的频带以满足QoS要求，就必须具有频谱管理的功能。有效与易实现一直是通信技术在工程上的不断追求，本文以认知无线电系统为背景，以工程实用性为着眼点，在分析、挖掘认知无线电关键技术中存在的若干问题的基础上，认真探索研究了基于能量检测的频谱感知、基于NC-OFDM认知无线电系统的峰均比及带外辐射抑制，以及认知引擎的设计等重要问题。概括起来主要包括以下四个方面：1、首次对双瑞利衰落下能量检测的性能进行了研究与分析。推导得出双瑞利衰落下信噪比概率密度函数的表达式，并利用MarcumQ函数的替代形式，推导得到了双瑞利衰落下能量检测的平均检测概率的闭合表达式。对选择合并和切换合并两种低复杂度分集方案对检测性能的提升进行了研究与数值分析，并给出了双分集下两种合并方式检测概率的闭合表达式。仿真与数值结果证明了结论的正确性，为双瑞利衰落下能量检测的应用提供了重要参考与指导。2、分析了NC-OFDM系统PAPR的统计特性，指出了NC-OFDM系统中降低PAPR的重要性。提出了一种基于子载波加权降低NC-OFDM系统PAPR的方法，其通过对每个子载波数据乘以最优加权系数来降低系统的PAPR。根据优化问题的特点，采用遗传算法求解最优加权系数向量，并对加权后NC-OFDM系统的PAPR性能进行了深入的剖析。仿真结果验证了方法的有效性与实用性。3、针对NC-OFDM系统中的带外辐射抑制问题，首先提出了一种子载波加权的改进算法。通过对子载波符号实部与虚部分别加权来达到进一步降低NC-OFDM系统带外辐射的目的。理论分析与仿真实验结果表明，该方法能带来3dB的抑制增益，且不会导致误码率性能的恶化。针对NC-OFDM系统中OBP与PAPR抑制之间存在矛盾，结合子载波加权方法简单有效的特点及可以降低系统PAPR或OBP的结论，提出了基于子载波加权联合降低NC-OFDM系统PAPR与OBP的方法。仿真结果证实了联合降低方法能有效缓和OBP与PAPR抑制之间的矛盾，取得明显优于分步降低方法的抑制性能。且可以根据实际通信环境及设备状况，灵活调整折中参数以满足通信业务的需求。4、以高效及低实现复杂度为出发点，对认知引擎的功能架构进行了设计与改进。新引擎能更高效地调度优化引擎与学习推理引擎，降低了认知引擎的实现难度，增强了实用性。提出了一种基于遗传算法的SVM多分类决策树优化算法GABDTSVM，通过遗传算法在决策树每个节点进行决策优化，自适应地生成最优决策树结构。并将GABDTSVM应用于认知学习引擎设计当中，结合具体的无线场景论证了GABDTSVM作为认知引擎学习推理方案的可行性及有效性，同时仿真结果也验证了GABDTSVM相比于其它多分类方法的优越性。