伴随着无线通信技术和移动网络的高速发展,移动业务的流量也随之呈现出指数增长的态势,可用的频谱资源也变得日益稀缺。为应对日益严峻的频谱资源难题,许多优秀的通信技术应运而生。首先,认知无线电技术共享频段传输的思想,可以极大地提升频谱的利用效率,有望缓解当前频谱资源面临的困境。然而目前的认知系统大多基于半双工模式展开,而半双工的认知系统需要两段不同频率的频谱作为支撑,加大了系统对频谱资源的需求。相反地,全双工技术允许双向通信可以工作在同一个频段上,更有效缓解了频谱资源短缺的难题,因此全双工认知系统的研究,结合了全双工技术和认知技术的优势,进而得到了全球诸多学者的广泛关注。但是目前的全双工认知系统的研究缺乏对频谱状态建模的分析,在缺乏先验信息的前提下进行的全双工认知系统的性能优化会造成极大地系统性能损失,相反地,对频谱状态进行非时隙化建模能更加精确的进行频谱认知,进而更有效提升系统整体性能。因此,本文的主要工作是基于全双工认知系统,考虑频谱状态非时隙变化的假设,分析和研究全双工认知系统的谱效优化问题,以实现系统整体频谱的更高效利用。本文首先考虑了单主用户频段、单次用户全双工认知系统,主用户频谱状态非时隙变化假设下的性能分析与优化。首先,分析了当前场景和假设下的感知性能和次用户容量。之后,对感知时长,次用户传输功率和两个感知门限(存在全双工自干扰和不存在全双工自干扰下)进行联合优化以提升次用户的整体容量,仿真结果显示本文所提的算法,可以以更低的时间复杂度逼近最优结果,同时也验证了全双工频谱状态非时隙化建模相比于全双工频谱状态时隙化、半双工频谱状态非时隙化建模有着更高的谱效。进一步地,本文研究了全双工系统的资源分配问题,考虑了全双工系统多主用户频段、多次用户的一般式场景,结合频谱状态非时隙变化假设,进行资源分配和性能优化。本文首先建模了次用户网络和容量的联合优化问题,并通过对优化问题和优化变量的观察,将该谱效优化问题解耦为两个子优化问题:认知参数优化问题;频段和次用户匹配问题。针对两个优化问题分别设计了相应的优化算法,并利用交替迭代的方法对子优化算法进行联合优化。在仿真实验中,验证了所提算法的性能优越性。同时验证了全双工频谱状态非时隙变化,相较于半双工频谱状态非时隙变化,以及全双工频谱状态时隙变化均能获得更高谱效。