随着车联网的快速发展,我们的生活已经离不开汽车,为了减少交通阻塞和节约能源绿色交通出行,并且提高频带利用率,认知车联网的频谱感知技术受到广大研究者的关注。为了解决上述问题,本文在认知车联网系统框架下,对频谱感知性能问题进行了研究,建立了车联网的频谱感知模型。当车辆高速移动下会产生多普勒频移,会使得信号频率发生弥散和偏移现象,使系统的检测精度和性能大大下降。本文提出了一种多普勒分段信号模型,应用基于雷达的Keystone变换的多普勒频移估计算法,使高速移动车辆产生多普勒频率偏移得到补偿。考虑到在高速移动的车载环境中信噪比较低,信道复杂,信号微弱的特点,结合双门限能量检测和循环特征检测算法对信号进行两次检测,且在门限之间不能判定的信号进入第二次循环特征检测。在频谱感知算法中,阈值的确定会影响检测性能,在本文中使用了序列无约束极小值技术确定阈值,进而提高了检测性能。上述针对单个认知车辆的频谱感知检测结果的局限性,本文使用集中式协作频谱感知方式,将单个认知车辆的判决结果上传至融合中心,汇总产生并进行判决。本文采用融合准则是K秩融合,当判定授权用户存在的结果多于半数则判定授权用户存在,反之则不存在。最后在Matlab平台进行仿真验证,本文提出的改进认知车联网的频谱感知检测算法与能量检测和循环平稳特征检测方法进行比较,本文所改进算法使得系统检测性能得到了提高,验证了理论的正确性。