无线传感器网络(Wireless Sensor Network,WSN)是一种由大量传感器节点组成的分布式自组织网络,可以智能地对周围环境进行感知并实现特定功能,具备低成本、低能耗、大规模等优势,它已广泛地应用于生态环境监测、医疗健康、工业生产、智能家居等诸多领域。然而,面对越来越复杂的电磁环境,对于WSN技术中频谱资源有效利用的研究逐渐引起许多研究者的关注,该研究具有重要的理论与应用意义。由于WSN在ISM 2.4 GHz频段进行通信,该频段不需要提前申请权限,而且它也是现在大部分短距离无线通信技术所占用的工作频段,如Wi-Fi、Bluetooth、Zig-Bee等,这就导致工作在该频段的众多通信设备所使用的频谱资源不足,造成信道拥堵,影响该频段信号传输的时效性和可靠性。目前解决该问题的主要方案就是将认知无线电(Cognitive Radio,CR)技术与WSN技术相结合,对具有感知功能的认知无线传感器网络CWSN(Cognitive Wireless Sensor Network)进行研究,其中,频谱感知作为CR技术的一个基本功能,可以用来检测ISM频段中主信号的存在与否,将空闲信道进行合理地分配再利用,从而缓解频谱资源紧张问题。因此,在CWSN中如何实际有效地对频谱信息进行感知尤为重要。本文基于现存节点频谱感知方法中存在的问题,提出了一种基于CWSN结构下的二维节点决策选择融合感知方法TDSNSF(Two-dimensional Sensing Nodes Selective Fusion)。首先,构建了一种更加真实的二维无线传感器网络感知模型,在每次迭代计算中,将主信号发射器的位置进行随机选取。其次,在感知过程中,所有节点先进行局部的频谱感知获取单节点感知决策结果;然后各节点基于一种局部决策融合算法进行节点位置估计,将感知节点在空间上进行筛选,将主信号发射器传输半径内的感知节点挑选出来进行协作频谱感知;最后采用“或”融合算法,以最小化能耗为目标,建立优化模型,在保证高检测性能的同时,抉择出所需参与协作感知的具体节点。仿真结果表明,该方法不仅有效地解决了二维认知无线传感器网络感知过程中在空间域上虚警概率较高的问题,提高了感知检测概率,而且该算法在保证检测性能的同时大大减少了参与决策融合感知节点的数量,进而降低整个传感器网络的能耗,延长网络寿命。