随着无线通信技术的高速发展与广泛应用,有限的频谱和低效僵化的频谱分配策略使得无线频谱资源逐步匮乏,不能满足日益增加的频谱需求。但另一方面,已分配的授权频谱在时间和空间上存在不同程度的闲置,频谱利用效率低下。因此为提高频谱资源利用率,认知无线电技术应运而生,并已成为下一代无线通信系统的关键技术之一。而频谱感知是认知无线电中最基础的功能,也是其他功能实现的前提,是保证从用户不对主用户产生干扰的关键。本学位论文主要研究了认知无线网络中的频谱空间分布协作感知技术。通过建立主用户功率谱空间分布近似模型,设计了相关感知算法,以便准确、快速地检测出主用户的相关信息。该技术提高了认知无线网络的感知能力,扩展了其应用范围,为高效利用空闲频谱资源打下了良好基础。论文的主要研究工作如下:1.针对多维动态频谱接入的需要,提出了一种基于变分贝叶斯推断的频谱空间分布协作感知算法。与传统协作算法不同的是,该算法首先利用各从用户的接收信号采样点,将主用户功率谱的空间分布近似地构建成稀疏线性模型,而不是简单加权求和构成判决统计量;接着,最小化近似模型系数向量后验分布的K-L散度,得到该后验分布的近似值,并根据最大后验概率准则得到主用户占用频段、功率和所处位置信息的最优值。仿真结果表明,所提算法既具有良好的估计精度,又具有较快的收敛速度;此外,与其他稀疏算法相比,所提算法的归一化均方误差性能和错误发射功率的抑制能力也是最佳的。2.针对近似模型维度过大导致算法计算复杂度过高的问题,提出了一种主用户频谱空间分布的快速降维检测算法。该算法首先分析了计算复杂度和主用户功率谱空间分布近似模型的关系,指出模型系数向量的维度对算法计算复杂度影响最大;接着,给出了模型系数向量内已提前收敛稳定的零元素的判决条件,并推导了删除这些已稳定零元素后的降维近似迭代算法;然后,给出了新的性能指标,以评估算法的计算性能和估计性能。仿真结果表明,所提快速降维检测算法与其他稀疏算法相比,不仅具有较快的运算速度,而且具有较好的估计准确度;同时,从用户测量比例或信噪比增大时,算法的运算速度和估计准确度都随之显著提高。3.针对变量或参数具有相关性时算法收敛速度较低的缺陷,提出了一种基于参数扩展法的快速频谱空间分布检测算法。该算法首先引入辅助参数,扩展了近似模型的联合概率分布,通过优化扩展联合概率分布和联合近似后验分布的K-L散度,找到了最优的辅助参数;然后,利用最优辅助参数和线性变化法,得到了更优的联合后验分布,从而增加了算法的收敛速度。仿真结果表明,所提算法不仅运算速度更快,估计准确度更好,而且其收敛速度具有更高的稳定性,与其他稀疏算法相比,不仅具有次优的快速运算能力,而且具有最高的估计准确度和稳定性。4.针对存在噪声功率估计误差和干扰的通信场景,提出了一种具有鲁棒性的频谱空间分布协作感知改进算法。该算法首先将噪声功率估计误差和从用户所受干扰纳入主用户功率谱空间分布近似模型,并给出了修正后的感知性能指标;然后,对噪声功率估计误差和干扰进行了独立估计,并将噪声功率估计误差向量及干扰向量和模型系数向量有效分离,去除了其对系数向量估计值的影响,实现了算法的鲁棒性。仿真结果表明,与其他稀疏算法相比,所提鲁棒算法不仅感知性能最好,主用户估计准确度最高,而且其感知性能也最不易受采样率和干扰强度等因素的影响;同时,从用户采样率和信噪比增大时,算法的各项感知性能都随之显著提高。