随着无线通信技术的迅猛发展与匮乏的频谱资源之间矛盾日益突出。认知无线电(Cognitive Radio,CR)作为一种解决频谱资源紧张的技术,为提高频谱感知资源利用率提供了一种新的解决方案。频谱感知技术是认知无线电技术中的核心技术,通过检测复杂的无线环境中可用频谱,从而实现频谱接入。信息几何是对统计流形的几何性质研究发展起来的,为了频谱感知问题的解决提供了一个新的方向。同时,由于近年来机器学习的发展,将频谱感知与机器学习算法结合也成为一个值得深入研究的方向。本文是利用信息几何与机器学习中的聚类算法相结合的方式对频谱感知技术进行研究。频谱感知的实现可以通过信息几何理论将统计信号检测问题转变了统计流形上的几何问题来完成。具体的研究内容如下:首先,介绍了认知无线电的研究现状,针对频谱感知的类型,分析了单用户独立感知与多用户协作感知的区别。同时讨论了几种经典的单用户独立感知方法的基本原理以及它们之间的优缺点,并介绍了多用户协作感知方法中的数据融合方式。本文介绍了基于信息几何的频谱感知方法以及基于机器学习的频谱感知方法,并验证了基于信息几何和聚类算法的频谱感知算法的可行性。其次,提出了一种基于信息几何和k-means聚类算法的频谱感知方法。根据信息几何理论,可以将感知信号的统计特性映射到流形上,依据流形上的度量方式等可以获得信号的几何特性。接着,将几何特性放入到k-means聚类算法中进行训练得到分类器。最后,将待感知信号的几何特征放进分类器来实现频谱感知。通过仿真验证了该算法的有效性和优越性。再次,考虑复杂的噪声环境问题,提出了基于黎曼均值和黎曼中值的频谱感知方法,讨论并分析黎曼均值和黎曼中值的区别,通过黎曼均值和黎曼中值分别对噪声环境进行估计得到两个参考点,再利用度量方式来计算频谱信号与这两个参考点之间的距离得到距离特征。同时利用k-median聚类算法来替代k-means聚类算法,采用该算法能有效减少离群点对感知性能的影响。最后,针对低信噪比的频谱感知问题,提出了基于信号处理和信息几何的频谱感知,采用滤波器对感知信号进行过滤,过滤完的信号再进行特征提取,再将特征放入聚类算法中得到分类器,根据分类器来判断主用户是否存在。仿真结果显示,在低信噪比环境下,本文所提的方法能有效提高频谱感知的性能。