随着无线通信技术的发展，对于无线通信业务服务需求的不断扩大，促使无线频谱资源的供需矛盾急剧恶化。在现实环境中已分配频谱并没有时刻被占用，且大多时刻处于空闲状态，认知无线电技术通过感知占用空闲的频谱资源，可以提高频谱资源利用率。频谱感知技术是认知技术的关键和前提，它能够发现频谱空洞并感知主用户的出现。本文对现有频谱感知技术及应用进行了详细的分析介绍。针对传统最大最小特征比值算法检测性能的不足，本文提出一种基于随机矩阵理论的改进最大最小特征比值算法。通过对感知信号的分解，增加了信号矩阵中的逻辑信号个数。分析感知分解信号时，增加的逻辑信号，使信号协方差矩阵获得更多信号相关信息。这样可以提高数据处理的准确性，进而提高整个系统的感知性能。最后通过性能分析和仿真证明该算法能够提高频谱感知性能。传统的自适应频谱感知算法中，一般选择认知环境中信道条件比较好的用户感知数据进行自适应融合，这就要求各感知信道信噪比是已知的，也即此算法感知性能与信噪比相关。而实际中，由于噪声的不确定性，各认知用户的感知信道条件是未知的。因此为了削弱信噪比对感知性能的影响，本文提出一种基于随机矩阵理论门限自适应频谱感知中。首先，对认知用户的感知信号进行能量判决，进而将感知信号分为可靠信号和不可靠信号。然后，将可靠信号数据发送给认知基站，认知基站利用矩阵理论进一步处理得到判决阈值。最后利用特征值与阈值进行比较判决。通过分析和仿真证明，本文提出的算法在保证检测性能的同时，对信噪比的敏感程度降低。