未来通信产业面临更快信息速率、更高频谱效率以及更低能量损耗等指标要求。在面临产业发展与频谱资源之间供需矛盾的问题时,认知无线电技术允许次级用户暂时接入主用户未占用的空闲频段,有效地提高了频谱利用率。但相对于非认知网络,频谱感知等技术带来了更多的能量损耗。协作感知一方面可以改善感知性能提高系统吞吐量,但另一方面也会导致能量损耗进一步增高。本文将重点针对多用户协作场景下能量效率的最大化以及能量效率-频谱效率的折中优化展开研究,具体内容如下:首先,本文将研究在信道状态和噪声功率已知、未知的两种多用户协作场景下通过优化融合门限实现次级用户能效最大化的问题。在虚警概率的约束下,建立最大化能效的有约束分式优化问题。在信道和噪声已知的场景下,基于分式规划引入权重因子,证明最优权重因子与最优能效之间的关系并推导权重因子的上下界,然后给出基于二分法求解最优权重因子的方案,进而得到最优融合门限实现平均能效的最大化。进一步研究在信道和噪声未知场景下,次级用户能效最大化问题。已知接收信号,求解未知的信道增益、噪声功率和主用户状态,通过推导与极大化隐藏参量的对数似然函数的条件期望,提出一种基于机器学习算法-二分法的检测与估计联合能效优化方案。仿真结果表明:信道状态和噪声已知时,本文所提方案在较低计算复杂度下,可以获得与穷搜索相同的最优融合门限,来最大化次级用户的能量效率。同时,给出了协作用户数、最优融合门限以及能量效率间的关系图。当信道状态和噪声信息未知时,本文所提方案可以正确估计信道增益与噪声功率,并检测出主用户状态,最后完成对能量效率最优的求解。在信噪比较低的时,可以获得比能量检测更高的能量效率。进一步,本文还研究了多用户协作场景下能量效率与频谱效率间的折中关系。首先分别在发射功率、回路损耗、接入概率以及感知因子等系统参数下研究能量效率-频谱效率关系变化。接着,在多用户多频带认知无线电网络中以次级用户频谱利用率与主用户干扰为约束,通过优化最佳感知时间和最优检测门限,建立次级用户能效-谱效的多目标优化模型。然后,分别采用基于Pareto支配关系、基于分解以及基于粒子群的多目标进化算法对该优化问题进行求解。最后,对比了不同算法的收敛性、多样性、均匀度等指标。理论分析与仿真结果表明,能效-谱效之间存在有折中关系,即多用户协作场景下存在有一个最优的频谱效率可以使得能效达到最优,且这种折中关系会随着系统参数变化而产生变化。同时,本文采用的多目标进化算法均可有效地得到近似Pareto前沿,并给出算法优势对比为不同量纲下的场景提供理论指导。