本文针对车辆自主避障技术的实现,在车联网技术中引入了信号预测感知,并将车联网技术与认知无线电技术（Cognitive Radio,CR）相结合,同时应用频谱感知技术来保障车联网通信,最后,结合上述技术和遗传算法来实现车辆自主避障。本文的主要工作如下:（1）提出了基于小波分解的频谱预测方法。首先采用云自适应粒子群算法（Cloud Adaptive Particle Swarm Optimization,CAPSO）来优化门控循环单元（Gate Recurrent Unit,GRU）神经网络,然后结合小波分解建立模型,实现频谱预测。仿真结果显示,优化后的模型预测精度要高于未优化前的GRU模型。（2）提出了基于鲸鱼算法优化长短时记忆（Long-Short Term Memory,LSTM）神经网络的频谱感知方法。首先利用Adam优化器的动量项优势对鲸鱼算法进行优化,然后利用优化后的鲸鱼算法优化LSTM并建立模型。仿真结果表明本文所提的方法要优于传统的能量检测方法和LSTM未优化之前的频谱感知方法。（3）为实现基于信号预测感知的车辆自主避障,本文首先设计了自主避障方案,并归纳了车辆与动态障碍物相遇的几种场景预测。然后引入遗传算法,并对其进行仿真分析,仿真结果表明自主避障的效果较好。最后,结合基于遗传算法的避障方法和信号预测感知来进行车辆的自主避障,可视化仿真结果表明,该方法可以有效地完成车辆自主避障。