协同频谱感知是认知无线电网络中进行频谱检测的一种重要方式，而信息融合是协同感知过程中的一个关键技术，针对不同的频谱信息特征可以采用不同的优化方法。本文主要围绕认知无线电网络中信息融合算法展开了研究工作。针对认知无线电网络中单一子频段检测信息融合效率低，且融合过程中权值系数固定不能实现最优化的问题，提出一种重加权多目标分布式的决策融合算法。该算法将检测的频谱信息阈值化处理转换为决策信息，结合用户与信道信息自适应地选取最佳的合作用户及合作个数，并在迭代中利用梯度法对优化问题进行求解；同时将多个子频段并行进行检测，使得整个系统的利用率都有所提高。实验结果表明，在相同条件下，整个系统的平均检测概率提高了约13%，低SNR环境中检测概率也有所提高。针对信息融合的过程中矩阵运算导致的计算复杂度偏高的现象，本文提出了基于快速交替方向法的频谱估计融合，降低复杂度的同时提高了算法速度。各认知用户间交互频谱的估计值，其完整性优于决策信息，并以误差平方的最值为约束来提高融合的精确度。在迭代过程中，采用交替方向乘子法，以增广型拉格朗日函数提供参数值，每轮迭代生成相适应的参数值，直到误差精度满足残差收敛条件为止。实验结果表明，其检测效果能够满足认知无线电网络的使用，提高了算法收敛速度，并且在认知用户数量相同的情况下，将其与同类算法进行比较，得到了较高的检测概率，保证了低误检率。