认知技术的频谱动态管理在增加网络频谱利用率的同时,必将增加节点的能耗,这对于能量、存储和计算等资源受限的认知无线传感器网络是一个十分严峻的问题,因此如何高效地使用有限的节点能量来延长生存时间,已成为认知无线传感器网络面临的首要挑战。本文以能效优化为目标,考虑频谱效率和能量效率的均衡,对认知无线传感器网络中的频谱检测和频谱决策技术进行研究。首先,通过分析协作频谱检测的全局误警率和检测率,结合筛选机制和休眠调度机制,对协作频谱检测的多目标优化问题进行建模；通过相对基学习初始化种群并利用竞赛机制进行变异操作,提出一种快速多目标差分进化算法来求解频谱检测的多目标优化问题,为了加快算法收敛速度和维持解的多样性,设计一种交叉参数动态变化方法和种群选择方案,在均衡检测性能和能量效率的同时为频谱决策提供准确有效的信息。然后,在实现频谱检测多目标优化的基础上,通过信道表征与网络能效分析,建立了一种自适应频谱决策框架；基于该决策框架,建立学习模型并设计学习策略选取方案,提出一种基于分布式策略估计Q学习的信道和功率联合决策算法,降低协作通信开销,减少能量消耗；同时根据状态行为对被访问的次数,设计学习率的动态调整方法,加快学习算法的收敛速度,实现网络能效的最大化,进而延长网络生存时间。最后,利用Matlab网络仿真工具对本文提出的协作频谱检测多目标优化和频谱决策能效优化算法进行仿真实验,验证算法的有效性。图28幅,表2个,参考文献79篇。