车载自组织网络(Vehicular ad hoc network,VANET)是未来智能交通系统中不可或缺的关键部分,人们对于各种面向VANET的应用需求日益增长,导致专为VANET划分的通信频段出现供不应求的局面。将认知无线电技术引入VANET可以有效缓解其中频谱资源不足的问题。认知车载网络(Cognitive Radio for Vehicular Ad hoc Network,CR-VANET)中合理高效的频谱分配策略具有提高道路安全性、改善用户出行体验和提高交通效率的巨大应用前景,同时也面临着车辆移动速度快、通信链路持续时间短、多元车载业务服务质量(Quality of Service,QoS)需求不同等挑战。本文以认知车载网络为背景,针对频谱资源稀缺与传统的认知无线网络频谱分配很难完全适应匹配VANET环境的问题,在考虑车辆移动性的基础上,对CR-VANET频谱分配问题进行了深入的研究,主要研究内容如下:(1)高速公路场景下CR-VANET的模型构建与频谱分配算法的比较分析。分析车辆移动性对车载网络性能的影响,定义车辆移动性与频谱分配之间的关联关系,从应用场景和车辆移动模型两个方面分别对车载网络进行建模。结合CR-VANET模型分别将敏感图着色算法和博弈论算法应用于CR-VANET的频谱分配,并对这两种频谱分配算法进行理论分析与仿真对比,敏感图着色算法侧重于最终目标函数效益最大化,而博弈论算法侧重于保证车辆用户(Vehicle User,VU)在频谱分配过程中能够获得同等的竞争机会。在分析这两种CR-VANET频谱分配算法的基础上,面向高速公路应用场景,考虑车辆移动性研究更加适用于车载自组织网络频谱分配需求的算法。(2)在异构频谱资源环境下考虑主要背景用户(Primary Background User,PBU)可用时长与车辆用户请求(Vehicular User Request,VUR)所需时长匹配的频谱分配,在图论模型的基础上结合布谷鸟搜索算法提出改进的自适应二进制布谷鸟(Improved Adaptive Binary Cuckoo Search,IABCS)优化算法实现VANET吞吐量的优化。分析4G频谱和电视空白频段(TV White Space,TVWS)的特性,提出一种路侧控制单元、4G蜂窝基站和TV基站结合的异构认知车载网络体系结构,在此基础上构建PBU信道使用模型来优化目标频谱分配模型,考虑到最终满足约束条件的可行分配解不唯一会导致对目标问题的求解转换成一个NP难题,基于图论模型提出一种快速收敛的IABCS寻优算法,IABCS算法在Levy飞行过程采用自适应步长控制因子增强算法在所有分配策略集合中的宏观寻优能力,在随机偏好游走过程中引入解的改善率作为反馈因子动态调整发现概率并采用变邻域搜索方法来加强算法局部搜索能力,同时利用单纯形法对两种更新方式下的新策略稍加修正以达到快速收敛的目的。将提出的IABCS算法与原标准CS算法、自适应步长布谷鸟搜索算法(Adaptive Step-size Cuckoo Search Algorithm,ASCSA)和自适应布谷鸟(Self Adaptive Cuckoo Search,SACS)算法进行仿真对比,证明IABCS算法能有效提高车载网络吞吐量,并具有更好的收敛性能。(3)考虑多元车载业务的不同QoS需求,提出基于车载服务区分的频谱分配(Vehicular Service Differentiation Spectrum Allocation,VSDSA)算法。针对紧急安全、实时交通和娱乐相关的三种车载服务确立优先级划分制度,分析三种类别的车载服务对吞吐量、丢包率、时延等QoS属性的需求差异,结合层次分析法计算三种类别的车载业务QoS属性对应的偏好权重,构建车辆节点的服务模型。量化分析信道剩余可用时长对车辆用户在信道中实际传输时长的满足程度,建立预期吞吐量和丢包率的效益矩阵并利用模糊综合判决进行归一化处理,从而得到一个综合目标效益。将提出的VSDSA算法与贪婪信道分配机制(Greedy channel Allocation Scheme,GAS)算法进行仿真对比分析,证明VSDSA算法可以在提高频谱分配效益的同时根据不同的频谱资源条件为不同优先级的车载用户提供更好的服务,紧急安全和实时交通类的车载业务的丢包率要求以及车载娱乐服务对吞吐量的需求在频谱资源相对充足的条件下都得到了较高程度的满足。