随着无线通信技术的飞速发展，人们对频谱资源的速度和带宽要求越来越高，频谱资源短缺的问题也因此变得越发突出。而认知无线电技术是提高频谱利用率和解决频谱短缺、各种无线通信网络共存的一个很有效的手段。理所当然的，如何保证和提高认知无线电技术的一个重要并且基础的组成部分——频谱感知质量的问题也成了认知无线电中的迫切要求和研究热点之一。本文根据频谱感知的基本理论和国内外研究现状，针对其质量问题，归纳总结出了几大关键挑战性问题，并对改善频谱感知质量的各种方法做出了总结和分析。并且，在此基础上对协作频谱感知做了研究，阐明了其一般功能模块和工作模型。特别着重分析和研究了协作模型中传统的平行融合和基于博弈论两种方法，并据此建立了基于联盟构造博弈协作感知模型。根据建立的基于联盟构造博弈协作感知模型，对该模型的算法进行了分析，提出了能够进行时间分析的CF算法，并给出了相应的说明和具体的伪代码描述。之后对该CF算法的复杂度进行了数学分析，得到CF算法比较复杂的结论，尤其是在认知无线电网络中次用户节点数比较多的时候。针对此算法的复杂度问题，进一步提出了通过减少参与协作的次用户数量的方法来最终优化CF算法复杂度的策略，其中减少次用户数量是通过比较次用户信噪比并去除信噪比较小的次用户来实现的。优化后的算法称为SSCF改进算法。并从数学上证明了，在一定条件下，基于SSCF算法的次用户筛选原则而剔除低于信噪比阈值的次用户联盟的效用函数值，比没有减少任何次用户节点时的效用函数值下降不到5%。进而证明了SSCF算法的协作感知质量不会差于CF算法的95%。分别通过实验仿真和数据分析来验证CF算法的复杂度问题和SSCF算法的感知质量问题。CF算法复杂度方面，验证了CF算法因计算量很大、耗费时间多以及降低整个认知无线电网络吞吐量的结论，尤其是在认知无线电网络中次用户节点数比较多的时候。SSCF算法的感知质量方面，证明了在一般情况下，采用SSCF算法的认知无线电网络中所有次用户节点的平均效用函数值，相较采用CF算法的来说还会有所提升；即使在最坏的情况下，前者比后者下降也不到5%。最终证明了，SSCF算法不但优化了CF算法的复杂度，并且并没有因为减少了参与协作感知的次用户数量而急剧降低CF算法的感知质量。