认知无线电技术为提高频谱资源利用率,解决频谱资源紧张这一问题提供了一种最佳的解决方案。频谱感知技术是认知无线电技术的基础,其性能好坏直接关系着系统的总体性能,因此开展此课题的研究具有重要的意义。频谱感知在实际环境中,易受噪声功率波动、低信噪比等条件影响,且在宽带频谱感知中,由于通信带宽不断增加,模数转换过程中采样速率过高问题凸显,对感知设备的要求越来越高。为了解决噪声方差不确定、低信噪比、宽带通信不同条件下的频谱感知问题,本文对感知算法和感知策略进行了深入研究,主要内容如下:论文首先针对噪声功率在一定幅度内波动,即噪声方差不确定性问题开展了能量感知算法的研究。在分析感知性能的基础上,提出了噪声方差不确定下自适应双门限能量感知算法。该算法能根据认知用户在各种不同信噪比情况,自适应的改变频谱感知时长,与传统的能量感知算法相比,具有较高的检测概率和较好的抗干扰性能。在此基础上为了更好的提高系统的检测性能,本文对基于双门限能量协作频谱感知的协作策略优化问题进行了研究,提出了提升合作频谱感知效率的优化算法,通过仿真验证了该优化算法的有效性和优越性。其次,论文针对低信噪比频谱感知,开展了基于随机共振技术的频谱感知算法研究。根据实际低信噪比环境,依据随机共振系统具有很好增强系统输出信噪比这一特性,将随机共振原理引入到传统的能量检测频谱感知方法中,提出了一种低信噪比下基于随机共振技术的能量频谱感知算法,推导了该方法的检测概率理论表达式,仿真验证了该算法有效提高了系统的检测性能。在此基础上,依据双门限能量检测算法的优势,提出了基于随机共振的双门限两步频谱感知算法,与传统随机共振频谱感知算法不同,该算法通过设置最佳双门限值,随低信噪比环境来改变随机共振系统参数,从而有效提高算法适应性和灵活性。本文并从认知网络吞吐量最大化,感知时长最小化两个方面对性能目标函数进行优化,提出了一种快速二维优化问题迭代算法,通过仿真验证,该算法有效提升了频谱感知效率和系统检测性能。最后,论文针对宽带频谱感知,开展了基于压缩感知技术的高效频谱感知方法的研究。在认知无线网络中,由于认知用户和授权用户均分布在不同的空间,所处的环境各异,且传输信道的复杂性,通常它们具有不同的稀疏频谱,所以在进行认知用户联合频谱感知中不适合进行信息共享。本文提出在感知过程中对每个认知节点使用压缩采样技术进行频谱估计以降低信号采样的速率和开销,通过贝叶斯模型寻求最优超参数,从而完成频谱信息的探测,采用该算法有效的解决了压缩感知中信号重建时间长,计算复杂度高等问题。论文在单层协作频谱感知算法的基础上对其进行拓展。采用多层贝叶斯模型并引入狄利克雷过程,利用非参数分组机制信息,实现压缩感知数据的自动分组,推理求得超参数信息,经过融合中心选择最佳的超参数来判断频谱是否占用,最终将结果传递给SU。该算法充分利用不同层的各个认知用户采集的压缩感知数据,进行融合协作来检测频谱信息,从而有效提高频谱感知的性能。