在万物智联的5G时代,随着无线通信数据量的爆增,频谱资源乏匮以及能量消耗加剧是无线通信系统面临的双重压力。认知无线电（CR）技术允许主次用户在同一授权频谱上交换数据,提高了频谱利用率。基于射频（RF）的无线携能通信（SWIPT）技术实现了信息与能量同时传输,延长了能量受限网络的寿命。因此,在能量受限的CR网络中研究SWIPT对同时提高频谱效率和能量效率非常重要。本文主要研究了无线认知携能通信网络,在保证用户服务质量的前提下,提出了最大化系统能量效率的优化分配算法。首先,针对自干扰抑制（SI）问题,研究了如何利用SWIPT技术收集全双工（FD）放大转发（AF）中继网络中的自干扰能量,通过联合优化源节点处的发射功率、功率分配因子和中继器处的波束形成矩阵、AN协方差矩阵来最大化总收获能量。此外,考虑到机密信息会被非法用户窃取,在中继端同时发射人工噪声以迷惑窃听者,提高了物理层安全性。在此基础上,提出了一种基于交替优化的迭代算法来获得最优解。数值结果表明,对比其他的基准方案,本文所提出的全双工优化方案显著地提高了能量的获取。其次,围绕MISO CR网络中基于射频的无线能量传输,分别深入研究了完美信道状态信息（CSI）和统计CSI两种场景下的能量效率优化问题。针对完美CSI,先将非凸的原始待优化问题转为便于求解的减法形式,再利用逐次凸逼近（SCA）提出了一种基于Dinkelbach的两级迭代算法来求解优化问题。然而,在统计CSI场景中,由于中断概率约束条件的存在,需要利用Bernstein不等式将原问题转化为具有封闭表达式的等价问题,通过引入辅助变量,设计了一种新的两阶段优化算法来计算相应的最优波束形成矢量。数值结果证明了本文所提算法,在有限的迭代次数后都能收敛到各自的最优能效。