随着无线通信技术的高速发展和移动设备的迅猛增加,可用频谱资源已接近饱和,频谱资源短缺已成为通信领域中一个亟待解决的问题。全双工认知无线电技术结合了全双工频谱利用率高的优势和认知无线电动态接入频谱的特点,最大化地提升了频谱利用效率。尽管全双工认知无线电在频谱感知机制上具有优势,但是目前在频谱感知性能上表现欠佳,原因主要在于,目前全双工技术中的核心技术——自干扰消除技术仍存在缺陷,使得次用户对合法用户的感知受到影响。论文围绕全双工认知无线电频谱感知性能展开研究,针对打破时隙划分的感知机制带来的同一时刻同一频段上主、次用户信号难以分辨从而影响感知性能的这一核心问题,从不同的感知方法出发提出了一系列改进方案。主要工作总结如下:(1)通过建立风险函数,从数据冲突和频谱资源浪费的角度分析比较了全双工认知无线电和传统半双工认知无线电在感知机制上的差异,并证明了非时隙划分的感知机制具有优势,验证了研究该课题的必要性。(2)从能量感知的角度出发,提出了优化权值的集中式网络协作频谱感知方法。该方法分别从决策融合和数据融合两方面进行了讨论,为所有感知用户赋予一定权值,并通过优化权值选择出感知准确性高的次用户进行融合。在求解优化问题时,运用了凸优化方法,在处理非凸非线性问题时应用了序列锥规划的算法,求取最优权值使得频谱感知性能得到了提升。(3)将全局功率谱感知模型应用于全双工认知无线电,实现了在同一频段上对主、次用户信号进行感知,得到其地理位置、发射功率等多维度信息,并利用这些信息鉴别用户身份。在感知中有效排除了次用户信号造成的影响,并且为整体通信网络提供了更为全面的频谱监测信息。针对单信道情况下,提出一种基于拉普拉斯先验的多维度感知算法,与现有算法相比,该算法具有准确性更高、运算速度更快的优势。(4)在全局功率谱感知模型中,针对多信道情况下,数据量大、现有算法难以满足实时性要求的特点,提出在原模型基础上加入块稀疏结构,并利用快速块稀疏贝叶斯学习算法求解数学模型,得到了包含多维度信息的感知结果。与现有算法相比,该方法在保证结果准确性的前提下,大幅提升了运算速度,满足了感知的实时性要求。