随着智能电网、车联网、物联网等概念的提出与发展，人类社会正在向信息化、数字化的发展方向高歌猛进。而能够收集、传输数据的无线传感器网络作为智能网络中不可或缺的一部分，其应用的场景日益广泛、规模与日俱增，同时其服务质量与带宽的需求急剧增长。这种局面导致无线通信中频谱资源稀缺的严重性日益显著，极大地限制了无线传感器网络的实际部署。因此，研究人员逐渐将注意力集中在可以高效、智能地利用频谱资源的新型通信网络模式上。认知无线电(Cognitive Radio，CR)技术旨在令非授权设备具备准确感知授权用户频谱使用情况，机会性利用授权用户的频谱传输数据的能力，具有十分广阔的应用前景。结合认知无线电技术建立认知传感器网络，自然成为了解决无线传感器网络频谱不足问题的一种有效方案。
　　认知传感器网络的诞生无疑为数字化城市建设提供了保障，这同时意味着网络的应用场景中通常存在着人类活动。频繁的车辆打火、电力线传输、开关通断等等人为产生的电磁脉冲，使得认知传感器网络的环境噪声常常具有脉冲特性，基于高斯白噪声信道假设研究与建立的通信设备在此场景下的性能会严重恶化。因此，本文以更符合实际情况的MiddletonA类噪声模型代替传统的AWGN信道噪声模型，模拟存在脉冲干扰的真实环境，并在此模型下从发送与接收两方面对脉冲噪声下的认知传感器节点的频谱感知、信号接收问题进行了深入研究，旨在为其寻求合理的频谱感知、信号接收方法与策略，以抵抗脉冲噪声带来的影响，从而提高节点间数据传输的有效性与可靠性。
　　针对认知传感器网络建立通信链路需要机会性占用频谱的问题，本文对脉冲噪声下的频谱感知问题进行了研究。首先，本文分析了传统基于能量检测的频谱感知方法在MiddletonA类噪声下的性能，推导出此模型下的检测概率与虚警概率的解析表达式，并建立噪声参数不确定性模型，分析噪声参数不确定性对能量检测器性能的影响，随后证明了影响检测性能的主要因素为噪声功率的波动性；其次，提出了基于分数低阶矩(Fractional Lower Order Moments， FLOM)的频谱感知方法，该方法相比于能量检测器在感知性能上有大幅提升；继而，针对FLOM检测器中依然存在的噪声功率波动会影响感知性能的问题，提出了带噪声功率估计的NPE-FLOM感知算法，并给出其检测概率与虚警概率的解析表达式；最后，通过仿真分析验证了本文提出方法的优越性能。
　　另一方面，节点进行频谱感知的最终目的是为了找到频谱发送数据，吞吐量越大越好。分配帧内时隙用于频谱感知须以节点吞吐量最大化为目标。然而，传感器节点为保证对环境的适应性，往往由电池供电，出于对节点工作持续性的考虑，多数研究假设节点具备射频能量收集的能力。能量收集过程为节点提供能量补偿的同时也会占用帧内时间，这无疑令时隙分配问题更加复杂。因此针对能量收集时长、频谱感知时长均与节点吞吐量存在折中的问题，在之前的频谱感知方法的研究基础之上，本文以最大化节点吞吐量为目标，对认知传感器节点的帧结构进行优化。首先，建立时间切换的帧结构模型；其次，根据节点是否具备固定电源，本文将能量收集所得能量的供给分为补偿供给和完全供给两种模式，并建立了节点平均吞吐量模型，随后推导出MiddletonA类噪声信道的容量，以及每种模式下的节点平均吞吐量表达式；继而，对于如何分配各功能时段，本文以最大化节点平均吞吐量为目标，在充分保护主要用户通信的前提下，建立联合优化模型对各功能时段进行最优分配；最后，通过仿真验证了本文的优化方法的合理性，并分析了能量收集率、主用户信号信噪比等参数对分配结果及节点最大平均吞吐量的影响。
　　最后，从接收的角度，针对MiddletonA类噪声下认知节点的信号接收问题进行研究。本文首先分析了传统最优接收机在脉冲干扰下的性能，推导出其误码率表达式，得出传统最优接收机在MiddletonA类噪声下性能恶化严重的结论；其次，由于MiddletonA类噪声下的最优接收机无法实现，提出了基于分数低阶矩的信号检测方法，并推导出该接收机的误码率表达式；随后，针对噪声参数不确定会引起接收机性能恶化的问题，本文又提出了基于分数次幂的信号检测方法，并给出其误码率的近似表达式；最后，通过仿真验证了上述两种方法的优越性能。
　　本文的研究内容从具体实施的角度针对认知无线电应用过程中必然面临的难点提供了可参考的解决方案。